排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
传统基于过滤的特征选择方法仅从统计或几何角度分别对数据集的每个特征计算某种得分选择特征,而忽略不同特征之间存在的联系.为解决该问题,利用局部保持投影和稀疏表示的优点,提出新的无监督特征选择算法.该方法通过限制特征权重的非负性和稀疏性选择特征.在4个基因表达数据集和2个图像数据集上的实验表明该方法是有效的. 相似文献
2.
数据降维对于提高高维数据处理的效率具有重要意义,稀疏编码是目前受到广泛关注的主流降维方法。针对该方法在降维过程中不能保持样本空间几何结构信息的不足,提出一种基于谱回归和图正则最小二乘回归的改进方案,以2个图像数据集和2个基因表达数据集为样本的实验表明该方法优于未加改进的稀疏编码降维法。 相似文献
3.
针对最小二乘回归子空间聚类法在求解表示系数时忽略了样本相似度的不足,提出改进方法。基于样本相互重构的表示系数矩阵和样本相似度矩阵有很大的关联定义系数增强项,求解可以保持样本相似度的表示系数矩阵,提出系数增强最小二乘回归子空间聚类法。在8个标准数据集上的实验表明该方法可以提高最小二乘回归子空间聚类法的聚类性能。 相似文献
1