|
|||||
|
|
| 一种基于离散度平衡的降维算法 | |
| 摘 要： | 已有的监督维数约简算法大都通过最大化类间离散度总和等相关手段选取判别能力较强的子空间,使得原始空间中距离较小的一些类易被忽略而在子空间中出现不同类的融合现象.为此,提出一种基于离散度平衡的降维算法——离散度平衡投影.该算法利用对称相对熵来衡量样本间的离散度,将对称相对熵与离散度平衡的概念结合,使得算法在降维过程中保持较大类间离散度的同时更加注重较小的类间离散度,以实现类间散度平衡的目的;为了充分使用现实生活中大量无标签样本,通过保持所有样本间拉普拉斯图结构进一步提出了半监督离散度平衡投影.对Soybean,Isolet,COIL20等标准数据集进行维数约简的实验结果表明,文中算法具有较好的降维效果. |
| 本文献已被 CNKI 等数据库收录！ | |