资料下载
×
高斯过程隐变量模型及相关实践
消耗积分:0 |
格式:pdf |
大小:2.18 MB |
2021-03-11
分享资料个
高斯过程隐变量模型（GPLⅴM）作为一种无监督的贝叶斯非参数降维模型，无法有效利用数据所包含的语义标记信息，同时其建模过程中假设观测变量的各特征相互独立，忽略了特征之间的空间结构信息。为解决上述问题，采用图像池化操作获得不同尺度的特征表示，利用线性投影方式将不同尺度的图像投影到低维隐空间进行特征融合，并将融合特征和数据标记分别作为输入和输出，构建多尺度多核高斯过程隐变量模型（ MSMK-GPLVM），通过图像数据与数据标记的关联实现模型监督学习，同时对GPLM和线性投影权重矩阵进行联合学习以提高分类性能。实验结果表明， MSMK-GPLVM能够有效利用图像空间结构信息和义标记信息，相比其他隐变量模型具有更强的数据降维和分类能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
