资料下载
×
一种改进的局部和相似度保持特征选择算法
消耗积分:0 |
格式:pdf |
大小:2.77 MB |
2021-06-17
分享资料个
LSPE（ Locality and Similarity Preserving Embedding）特征选择算法首先基于KNN定义图结构来保持数据的局部性，再基于定义图学习数据的低维重构系数来保持数据的局部性和相似性。两个步骤独立进行，缺乏交互。由于近邻个数是人为定义的，使得学习到的图结构不具备自适应的近邻，不是最优的，进而影响算法性能。为优化LSPE算法的性能，提出改进的局部和相似性保持特征选择算法，将图学习与稀疏重构、特征选择并入冋一个框架，使得图学习和稀疏编码冋时进行，其要求编码过程是稀疏的，自适应近邻的和非负的。所提算法旨在寻找一个能保持数据的局部性和相似性的投影，并对投影矩阵施加l2，范数，进而选择能够保持局部性和相似性的相关特征。实验结果表眀，改进后的算法减少了主观人为影响，消除了选择特征的不稳定性，对数据噪声鲁棒性更强，提高了图像分类的准确率。
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
