稀疏判别分析

稀疏判别分析

ID:44656410

大小:99.26 KB

页数:15页

时间:2019-10-24

稀疏判别分析_第1页
稀疏判别分析_第2页
稀疏判别分析_第3页
稀疏判别分析_第4页
稀疏判别分析_第5页
资源描述:

《稀疏判别分析》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、稀疏判别分析摘要:针对流形嵌入降维方法小在高维空间构建近邻图无益于后续工作,以及不容易给近邻大小和热核参数赋合适值的问题,捉出一种稀疏判别分析算法(seda)o首先使用稀疏表示构建稀疏图保持数据的全局信息和几何结构,以克服流形嵌入方法的不足;其次,将稀疏保持作为正则化项使用fisher判别准则,能够得到最优的投影。在一组高维数据集上的实验结果表明,seda是非常有效的半监督降维方法。关键词:判别分析;稀疏表示;近邻图;稀疏图sparsediscriminantanalysischonxiao.dong1linhu

2、an.xiang21.schoolofinformationandengineering,zhejiangradioandtelevisionuniversity,hangzhouzhejiang310030,china■2.schoolofinformationandelectronicengineering,zhejianguniversityofscienceandtechnology,hangzhouzhejiang310023,chinaabstract:methodsformanifoldembedd

3、ingexistsinthefollowingissues:ononehand,neighborhoodgraphisconstructedinsuchthehigh-dimensionalityoforiginalspacethatittendstoworkpoorly;ontheotherhand,appropriatevaluesfortheneighborhoodsizeandheatkernelparameterinvolvedingraphconstructionisgenerallydifficul

4、ttobeassigned・toaddresstheseproblems,anovelsemi-superviseddimensionalityreductionalgorithmcalledsparsecliscriminantanalysis(seda)isproposed・firstly,seclasetsupasparsegraphtopreservetheglobalinformationandgeometricstructureofthedatabasedonsparserepresentation.

5、secondly,itappliesbothsparsegraphandfishercriteriontoseektheoptimalprojection・experimentsonabroadrangeofdatasetsshowthatsedaissuperiortomanypopulardimensionalityreductionmethods・methodsformanifoldembeddinghavethefollowingissues:ononehand,neighborhooclgraphisc

6、onstructedinsuchhigh.dimensionalityoforiginalspacethatittendstoworkpoorly:ontheotherhand,appropriatevaluesfortheneighborhoodsizeandheatkcrnclparameterinvolvedingraphconstructionaregenerallydifficulttobeassigned・toaddresstheseproblems,anewsemi.superviseddimens

7、ionalityreductionalgorithmcalledsparsediscriminantanalysis(seda)wasproposed.firstly,sedasetupasparsegraphtopreservetheglobalinformationandgeometricstructureofthedatabasedonsparserepresentation.secondly,itappliedbothsparsegraphandfishercriteriontoseektheoptima

8、lprojection.theexperimentalresultsonabroadrangeofdatasetsshowthatsedaissuperiortomanypopulardimensionalityreductionmethods・keywords:cliscriminantanalysis;sparserepresentation;neighborhood

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。