版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、特征選擇作為高維數(shù)據(jù)降維的有效方法,已被廣泛應(yīng)用在文本分類、信息檢索、遺傳基因分析等領(lǐng)域?,F(xiàn)有的大多數(shù)特征選擇算法都是基于有標(biāo)記樣本或無標(biāo)記樣本的。然而,除了類標(biāo)記,還存在另一種監(jiān)督信息,即標(biāo)識(shí)樣本對(duì)是否屬于同一類的成對(duì)約束。成對(duì)約束作為一種新穎的監(jiān)督信息,由于其比類標(biāo)記更易獲取,已在機(jī)器學(xué)習(xí)的很多方面得到了成功應(yīng)用。因此,本文首先針對(duì)基于成對(duì)約束的特征選擇算法從多個(gè)角度展開了充分研究。另一方面,由于稀疏表示的良好特性,近年來,也引起了
2、機(jī)器學(xué)習(xí)領(lǐng)域研究人員的廣泛關(guān)注。本文將稀疏表示引入特征選擇方法的框架中,提出了一種全新的基于稀疏表示的特征選擇算法。主要?jiǎng)?chuàng)新和研究工作總結(jié)如下:
(1)在基于成對(duì)約束的特征選擇算法Constraint Score的基礎(chǔ)上,結(jié)合半監(jiān)督降維的思想,通過加入全局或者局部的無監(jiān)督信息,提出了半監(jiān)督特征選擇算法Semi-CS。Semi-CS能夠同時(shí)利用成對(duì)約束和無標(biāo)號(hào)數(shù)據(jù)進(jìn)行特征選擇,且在多個(gè)UCI高維數(shù)據(jù)集上獲得了很好的性能。
3、r> (2)針對(duì)Constraint Score的性能易受成對(duì)約束集具體組成影響的缺點(diǎn),提出了特征選擇集成算法BCS。BCS以集成的觀點(diǎn)利用成對(duì)約束集,有效地提高了在多個(gè)UCI高維數(shù)據(jù)集和基因表達(dá)數(shù)據(jù)集上的分類和聚類性能。
(3)將稀疏表示引入特征選擇中,提出了基于稀疏表示的特征選擇算法Sparsity Score。該算法選取最能夠保持?jǐn)?shù)據(jù)間稀疏重構(gòu)關(guān)系的特征子集,在多個(gè)UCI高維數(shù)據(jù)集和基因表達(dá)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 成對(duì)約束下半監(jiān)督特征選擇算法研究.pdf
- 基于稀疏表示和特征選擇的目標(biāo)跟蹤.pdf
- 基于局部稀疏表示以及特征選擇的目標(biāo)跟蹤算法研究.pdf
- 基于特征稀疏表示的多行人跟蹤算法研究.pdf
- 基于稀疏表示和特征提取的人臉識(shí)別算法研究.pdf
- 圖像稀疏恢復(fù)的特征表示算法研究.pdf
- 文本表示模型和特征選擇算法研究.pdf
- 基于局部特征的協(xié)同稀疏表示人臉識(shí)別算法研究.pdf
- 基于隨機(jī)投影和稀疏表示的跟蹤算法.pdf
- 基于成對(duì)約束的聚類和降維算法研究.pdf
- 基于稀疏表示和特征學(xué)習(xí)的單樣本親屬關(guān)系認(rèn)證算法研究.pdf
- 基于稀疏表示的手勢(shì)識(shí)別算法研究.pdf
- 基于稀疏表示和低秩表示的高光譜圖像波段選擇方法研究.pdf
- 基于稀疏表示的目標(biāo)跟蹤算法.pdf
- 基于特征融合和稀疏表示的表情識(shí)別方法研究.pdf
- 基于稀疏表示和字典學(xué)習(xí)的語音增強(qiáng)算法研究.pdf
- 基于FMM和稀疏表示圖像修復(fù)算法的研究.pdf
- 基于粒子濾波和稀疏表示的目標(biāo)跟蹤算法研究.pdf
- 基于稀疏表示的語音增強(qiáng)算法研究.pdf
- 基于稀疏表示的圖像復(fù)原算法研究.pdf
評(píng)論
0/150
提交評(píng)論