维数约减相关论文
高光谱图像是由成像光谱仪在数十至上百个窄光谱波段范围内对地物成像而得,不仅能够捕获地物的二维空间信息,还能获得地物连续的光......
大数据时代,数据以维数高、知识体系混杂、数据量大等特点呈现,给基于数据的研究带来巨大的挑战。维数约减是从高维数据中抽取知识......
稀疏表示是近年出现的一种新颖且热门的技术,受到很多研究者的广泛关注。其目前己被广泛应用于计算机视觉和机器学习,包括人脸识别......
在机器学习和模式识别领域,主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)及......
特征选择作为维数约减领域的一个重要分支,对增加机器学习结果的精确度和提高计算效率有着显著的作用。虽然特征选择算法已在监督......
维数约减已经成为当前机器学习领域的受人关注的研究热点。维数约减是将数据由高维约减到低维的过程而用来揭示数据的本质低维结构......
维数约减和半监督学习一直都是机器学习中两个热门的课题。其中维数约减希望通过寻找一个有效的投影矩阵将高维空间中的数据投影到......
随着遥感对地观测技术的飞速发展,成像光谱数据呈现指数增长,特别是人工智能技术和高性能计算的加速崛起,进一步推动了成像光谱大......
流形学习自2000年提出以来，一直备受研究人员的关注。在流形学习中，人们假设样本是均匀采样于一个高维空间中的低维流形。在此假设基......
步态识别根据人走路的姿态进行身份识别,是一种生物特征识别方法。与其它生物特征识别技术相比,步态具有非接触和难以隐藏等独特优......
维数约减是机器学习领域的一个研究热点。随着信息采集技术的不断发展,数据呈现了爆炸式增长,如何从所获得的海量高维数据中获得有......
传统的Isomap算法仅侧重于当前数据的分析,不能提供由高维空间到低维空间的快速直接映射,因此无法用于特征提取和高维数据检索.针......
作为计算机图像分析和理解领域最重要的应用之一，人脸识别技术在近年来已得到飞速发展并日趋完善。本文首先介绍人脸识别概念及图像......
现有基于边信息的半监督维数约减算法大都是直接将保留边信息和数据拓扑结构的目标函数相加,因此数据拓扑结构中的错误连接不会因......
在挖掘和分析高维数据任务中,有时只能获得有限的成对约束信息(must-link约束和cannot-link约束),由于缺乏数据类标号信息,监督维......
利用向量空间模型表示的文本邮件数据具有高维性,不利于邮件过滤模型的建立,需要对数据进行降维处理。最大间隔Semi-NMF(max-margi......
针对基于局部与全局保持的半监督维数约减算法（LGSSDR）对邻域参数选择比较敏感以及对邻域图边权值设定不够准确的问题,提出一种基于......
最近,利用步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图(GEI-Gait Energy Image)是一种有效的步态表......
LLE算法是一种新的非监督学习方法,主要针对非线性降维问题。针对该算法存在的缺点,提出了一种基于核函数的稳健线性嵌入方法,该方......
针对源数据向量化常导致很高的数据维数,易使向量型学习算法陷入维数灾难和样本个数远小于特征维数的小样本问题,提出了一种新的张......
为了提高高维数据集合离群数据挖掘效率，提出了一种基于流形学习的离群点检测算法。局部线性嵌入（locally linear embedding，LLE）算法......
最大间距准则(Maximum Margin Criterion,MMC)能够有效地克服线性鉴别分析(Linear Discriminant Analysis,LDA)算法所面临的小样本......
维数约减问题出现在信息处理的许多方面，非线性方法主要有局部线性嵌入LLE（Locally Linear Embedding）、拉普拉斯特征映射（Laplacian E......
在很多机器学习和数据挖掘任务中，仅仅利用边信息（side-information）并不能得到最好的半监督学习（semi—supervised leaming）效果，周此，提......
提出了一种非线性的监督式谱空间分类器（supervisedspectralspaceclassifier,简称S3C）．S3C首先将输入数据映射到融合了训练数据判别信......
在局部线性嵌入算法（LLE）中寻找最优近邻数常用试凑法进行搜索,需要大量的时间才能得到最优结果.为此提出基于自适应近邻的局部线性......
现有的最大间距准则(Maximum Margin Criterion,MMC)算法对噪声比较敏感,为了克服这一问题,本文提出了一种基于复数核的鲁棒最大间......
稀疏保持投影由于在低维空间中很好的保持了原空间中样本的稀疏表示关系，在高光谱数据的维数约减中取得了很好的效果，但是其中并没有......
利用步态对个人身份进行识别已经受到越来越多生物识别技术研究者的重视。步态能量图(GEI-Gait Energy Image)是一种有效的步态表......
基于排列技术，提出一种新的流形学习的方法——局部坐标排列（Local Coordinates Alignment，LCA）.LCA首先计算局部坐标作为每一个局部邻......
根据所获取的图像信息实时地提取工件的特征参数,并对其定位是机器视觉应用于工业领域的关键技术之一。本文针对SIFT算法在匹配时......
行为识别技术是一种可用于智能视频监控的生物识别技术。本文提出一种基于信息论中相对熵概念的行为识别算法。训练过程使用Parzen......
随着成像光谱技术的进一步发展,高光谱数据的光谱分辨率不断被提高,得到的地物光谱特征更加精细化,可以实现地物的更细分类。但是,......
本文对基于聚类融合算法的高维数据聚类方法进行了研究。首先介绍了聚类融合方法，然后提出改进的随机投影算法，并将其运用到聚类融合......
典型相关分析（CCA）是一种无监督的子空间学习算法, 加入标签信息可以提高典型相关特征的判别力. 为了有效地利用样本的标签信息, 借......
目的基因芯片技术对医学临床诊断、治疗、药物开发和筛选等技术的发展具有革命性的影响。针对高维医学数据降维困难及基因表达谱样......
由于高维空间中数据点比较稀疏,用传统方法来检测高维空间中的离群点不能达到预期效果。提出了一种基于局部线性嵌入的离群点检测......
当检索样例位于数据库之外时,传统基于线性流形学习的图像检索方法在反馈迭代后的检索精度提高较小。为此,提出一种基于相关反馈和......
文本分类是信息处理领域中的一个重要的研究方向。随着信息技术的发展,特别是20世纪90年代基于机器学习的文本分类方法的逐渐成熟,......
随着网络的快速发展,人们处在这个“信息爆炸”的时代,常常面对海量数据分析和处理的任务,且这样的数据仍在以几何级数增长。同时,......
在机器学习和数据挖掘领域中,人们常遇到大量的无标记数据。对这些数据进行标记时,可能需要耗费大量的人力物力,如会谈中说话人语......
随着现代信息技术的高速发展,人们在日常生活中可以通过各种传感设备和计算机网络方便地获取所需的数据和信息。有效地处理高维数......
为解决传统合成孔径雷达(SAR)图像目视解译的困难,对一种基于信息可视化技术的SAR图像目视解译方法进行了研究。基于非线性流形学......
本文提出一种新的数据维数约减方法。这种新的方法是基于图像的局部散度和非局部散度而建立准则函数,并且非局部散度与局部散度是......
基于内容图纸检索是图纸重用的关键技术,空间关系是图纸的内容的主要特征。由于空间关系描述复杂、特征向量的维数很高,在基于内容......
数据降维算法在图像、声音和视频分析领域有着广阔的应用前景。近年来数据降维算法受到越来越多研究人员的关注。流形学习降维算法......
考虑到已有的半监督维数约减方法在利用边信息时将所有边信息等同,不能充分挖掘边所含信息,提出加权成对约束半监督局部维数约减算......
线性判别回归分类算法没有考虑到类内距离和类间距离,为此提出一种基于线性判别回归与局部判别分析的维数约简算法（LDRFDR）,同时利用......
