| 半监督复杂结构数据降维方法 |
| |
| 引用本文： | 陈斌辉,白清源. 半监督复杂结构数据降维方法[J]. 计算机工程与应用, 2011, 35(35): 135-138 |
| |
| 作者姓名： | 陈斌辉 白清源 |
| |
| 作者单位： | 1. 福州大学至诚学院计算机教研室,福州,350002
2. 福州大学数学与计算机科学学院,福州,350108 |
| |
| 基金项目： | 福建省教育厅科技项目(No.JA11292); 中科院软件所(No.SYSKF0701) |
| |
| 摘 要： | 现有的一些典型半监督降维算法,往往在利用标记信息的同时却忽略了样本数据本身的流形特征,或者是对流形特征使用不当,导致算法性能表现不佳并且应用领域狭窄。针对上述问题提出了半监督复杂结构数据降维方法,同时保持样本数据的全局与局部的流形特征。通过设置适当的目标函数,使算法结果能有更广泛的应用场合,实验证明了算法的有效性。
|
| 关 键 词： | 半监督降维 流形假设 约束对 目标函数 聚类分析 |
| 修稿时间： | |
Semi-supervised complex structure data dimensionality reduction method |
| |
| CHEN Binhui , BAI Qingyuan. Semi-supervised complex structure data dimensionality reduction method[J]. Computer Engineering and Applications, 2011, 35(35): 135-138 |
| |
| Authors: | CHEN Binhui BAI Qingyuan |
| |
| Affiliation: | CHEN Binhui1,BAI Qingyuan2 1.Department of Computer Engineering,Fuzhou University Zhicheng College,Fuzhou 350002,China 2.School of Mathematics and Computer Science,Fuzhou University,Fuzhou 350108,China |
| |
| Abstract: | Most existing typical semi-supervised dimensionality reduction algorithms often ignore the manifold features of data or use them inappropriately,while focusing on how to use supervised information.Therefore those algorithms show poor performance and can not be used in many fields.This paper presents a semi-supervised complex structure data dimensionality reduction method,called CSDDR,which keeps the global and local structure of the whole data manifold in the low dimensional embedding subspace.An appropriat... |
| |
| Keywords: | Semi-Supervised Dimensionality Reduction(SSDR) manifold assumption constraints objective function clustering analysis |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
|
