模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
3期
369-375
,共7页
王秀美%高新波%张乾坤%宋国乡
王秀美%高新波%張乾坤%宋國鄉
왕수미%고신파%장건곤%송국향
降维%隐变量模型(LVM)%局部距离保持
降維%隱變量模型(LVM)%跼部距離保持
강유%은변량모형(LVM)%국부거리보지
隐变量模型是一类有效的降维方法,但是由非线性核映射建立的隐变量模型不能保持数据空间的局部结构.为了克服这个缺点,文中提出一种保持数据局部结构的隐变量模型.该算法充分利用局部保持映射的保局性质,将局部保持映射的目标函数作为低维空间中数据的先验信息,对高斯过程隐变量中的低维数据进行约束,建立局部保持的隐变量.实验结果表明,相比原有的高斯过程隐变量,文中算法较好地保持数据局部结构的效果.
隱變量模型是一類有效的降維方法,但是由非線性覈映射建立的隱變量模型不能保持數據空間的跼部結構.為瞭剋服這箇缺點,文中提齣一種保持數據跼部結構的隱變量模型.該算法充分利用跼部保持映射的保跼性質,將跼部保持映射的目標函數作為低維空間中數據的先驗信息,對高斯過程隱變量中的低維數據進行約束,建立跼部保持的隱變量.實驗結果錶明,相比原有的高斯過程隱變量,文中算法較好地保持數據跼部結構的效果.
은변량모형시일류유효적강유방법,단시유비선성핵영사건립적은변량모형불능보지수거공간적국부결구.위료극복저개결점,문중제출일충보지수거국부결구적은변량모형.해산법충분이용국부보지영사적보국성질,장국부보지영사적목표함수작위저유공간중수거적선험신식,대고사과정은변량중적저유수거진행약속,건립국부보지적은변량.실험결과표명,상비원유적고사과정은변량,문중산법교호지보지수거국부결구적효과.