模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2012年
4期
684-690
,共7页
流形学习%压缩传感(CS)%半监督学习
流形學習%壓縮傳感(CS)%半鑑督學習
류형학습%압축전감(CS)%반감독학습
基于谱流形学习算法的一个核心问题是局部邻域的构建,可通过KNN或ε准则构建局部邻域.受压缩传感理论的启发,提出一种基于l2和l1范数重构准则的邻域构建模式,称之为基于压缩传感的邻域嵌入(CSNE).在此基础上,利用无标签数据,提出半监督的CSNE.在多个数据集上的可视化和半监督分类实验,证明该算法的有效性.
基于譜流形學習算法的一箇覈心問題是跼部鄰域的構建,可通過KNN或ε準則構建跼部鄰域.受壓縮傳感理論的啟髮,提齣一種基于l2和l1範數重構準則的鄰域構建模式,稱之為基于壓縮傳感的鄰域嵌入(CSNE).在此基礎上,利用無標籤數據,提齣半鑑督的CSNE.在多箇數據集上的可視化和半鑑督分類實驗,證明該算法的有效性.
기우보류형학습산법적일개핵심문제시국부린역적구건,가통과KNN혹ε준칙구건국부린역.수압축전감이론적계발,제출일충기우l2화l1범수중구준칙적린역구건모식,칭지위기우압축전감적린역감입(CSNE).재차기출상,이용무표첨수거,제출반감독적CSNE.재다개수거집상적가시화화반감독분류실험,증명해산법적유효성.
