×

一种带有局部坐标约束的半监督概念分解算法

消耗积分:0 | 格式:pdf | 大小:9.71 MB | 2021-03-31

分享资料个

　　概念分解（CF）算法是一种有效的图像表示算法，目前已经广泛应用于维数约简、特征提取、数据挖掘等机器学习领堿中。然而，传统CF算法不能利用有效的标签信息，也不能学习数据的稀疏表示。为此，将局部坐标约束和数据有限的标签信息融入到CF模型中，提出了一种带有局部坐标约束的半监督的概念分解（SLCF）算法。SICF算法利用局部坐标约束学习数据的稀疏性，数据标签约束矩阵能够保证同类标签的数据映射到低维空间中拥有相同的标签，从而提高了不同类间数据的识别能力。利用交替迭代更新方法对SLCF算法的模型进行求解，证明了算法的收敛性。在COI20、 Yale b以及 MNIST数据库上的数值实验表明提出的SICF算法是有效的，其聚类性能优于其他比较的算法。

下载并关注上传者 开通VIP，低至0.08元下载/次

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

下载排行榜

全部0条评论

快来发表一下你的评论吧 !