流形学习中的算法研究

来源 :计算机应用研究 | 被引量 : 42次 | 上传用户:genglb119
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
详细介绍了一种新的机器学习的方法——流形学习。流形学习是一种新的非监督学习方法,可以有效地发现高维非线性数据集的内在维数并进行维数约简,近年来越来越受到机器学习和认知科学领域的研究者的重视。目前已经出现了很多有效的流形学习算法,如等度规映射(ISOMAP)、局部线性嵌套(Locally Linear Embedding,LLE)等。详细讲述了当前常用的几种流形学习算法以及在流形方面已经取得的研究成果,并对流形学习目前在各方面的应用作了较为细致的阐述。最后展望了流形学习的研究发展趋势,且提出了流形学习
其他文献
蚁群算法是一种元启发式算法,其经典应用是解决旅行商问题。该算法有着先天的并行特性。介绍了该算法的两种并行实现策略,给出了蚁群算法的并行实现模型,分析了该算法并行实现需要解决的问题。
在综合考虑算法效率与效用性的基础上提出了一种新的有界半朴素贝叶斯分类(bounded semi-naiveBayesian classifier,BSNBC)算法。传统的SNBC仅能将两个属性构成一个组合属性,大大制约了SNBC的分类性能。BSNBC在一定程度上克服了SNBC的上述弱点,它能将最多K个属性组合成一个组合属性节点。IP算法与LP算法可用于学习BSNBC,但是它们的搜索过程带有一定的盲
阐述了在网络存储系统中基于XOR的纠删编码的一种新方法,解决了传统RAID系统不能解决的高容错性问题,且比Reed-Solomon等算法有更好的时间效率。Ningxy编码方法对于解决高容
航空产品本身具有高复杂性、协同性要求严格的特征,同时,传统PERT模型已知条件难以充分获取,而且其关键线路求解算法涉及概率论和数理统计知识而难以实现计算机求解。引入灰色理论思想,将传统PERT网络计划已知条件弱化,探索出适合计算机求解的关键线路算法,算法适应国内航空产品项目特征,适合大型复杂航空产品项目计算机求解,并在典型航空产品项目得到应用验证。
提出了一种基于策略的网格资源管理机制和采用的关键技术。通过将网格应用的用户和资源节点分别进行分类,较好地处理了网格系统中集中与分布的矛盾。引入资源预留的思想来解决散户的突发批量作业提交。采用集中和分布并重、直接认证和代理认证结合的多策略认证结构,以提高网格安全认证的效率。
抗选择密文攻击公钥密码体制是安全性很高的密码体制,它是设计抗主动攻击的协议非常有用的工具。总结该体制的构造与应用的主要研究成果,并指出了几个值得进一步研究的问题。
针对POOSL不支持定量分析系统的吞吐量、时延等长期样本均值性能指标的缺点,引入再生周期技术扩展了POOSL的构件库。这对在系统早期设计阶段确定可行的参数设置具有重要的应用价值。
针对分布式协同工作环境的分布式、跨平台、瘦客户端、可扩展和多终端实时同步的要求,提出了一个基于J2EE平台的分布式协同工作环境解决方案,采用JMS消息机制,支持分布式部署,适应大型协同工作的要求。该方案适用于大型复杂产品协同设计环境的研究和开发。
针对高速印刷图像处理中的高实时性要求,分析了高速印品图像的图像特征,提出了一种利用灰度形态学提取轮廓进行快速图像配准的方法。对配准后的图像,采用改进的图像差分算法进行图像比较和形态学滤波,能够快速准确地将印刷缺陷提取出来。实际应用表明,该算法能满足最高300 m/m in彩色印品质量检测的需要。
针对生物信息分析平台的构建,给出一种复合C/S、B/S的多层体系结构模型——BIOCMSM,并以构建新城疫病毒(NDV)生物信息分析平台为例,研究了该多层结构模型的实现过程。实验证明,BIOCMSM较好地解决了生物数据更新、数据集成、应用集成等问题。