线性局部切空间排列的传播半监督学习方法

来源 :计算机应用研究 | 被引量 : 5次 | 上传用户:clast
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
针对人脸识别应用中的线性局部切空间排列算法(LLTSA)不能有效利用样本标签信息的问题,提出了一种线性局部切空间排列的标签传播半监督算法(SSLLTSA)。该算法利用标签传播的方法从带有部分标签的样本数据中得到软标签,然后利用软标签构造出软标签散度矩阵来描述数据集的类内紧凑性和类间分离性。SSLLTSA很好地保持了数据集的局部结构,有效地利用了样本中的标签信息。利用YALE和ORL人脸库进行实验,SSLLTSA比传统算法LLTSA的识别率平均分别提高了3.50%和3.89%。特别地,在只存有少量标签
其他文献
在中国大学生就业竞争和就业压力日益增大的背景下,实习似乎正在成为大学生增强就业资本的一个必然选择。美国大学本科生参加与专业学习相关的实践工作已经有百余年的历史,美国
对1200例正常人及4000例患者的标准后前位胸片进行锁骨皮质厚度测量。测量结果按性别、年龄及健康状况列表分析。在45岁以后,骨皮质厚度随年龄的增大而减低,女性60岁以后及男
在国外,高等教育被视作一个研究领域,而非一门学科;在国内,虽然高等教育一开始就是作为一门学科来建立的,但对于高等教育到底是一个研究领域还是一门学科,学界至今依然存有争议。这
针对移动客户端的数据流应用程序的特征和移动云计算的方法,提出了一个能对应用程序的动态分解与执行提供运行时支持的框架,并基于此框架设计了一个执行最优分解的遗传算法。实验结果表明,分解方案能够比正常的应用程序有两倍的执行性能提高。此框架不仅允许给单个用户动态分解,而且支持云中多用户计算实体共享,以达到云计算资源的有效利用,同时框架能够很好地适应移动数据流应用程序的运行。
大部分生物过程由蛋白质复合物实现。蛋白质相互作用数据集中大量存在的假阳性降低了数据集的可用性。为了减轻假阳性带来的不良影响,许多数据整合与亲缘打分方案被设计。这些方案通过给蛋白质网络中的边(蛋白质之间的相互作用)指定权值,从而提高了蛋白质网络的可信度。目前的挑战是如何从加权的蛋白质网络中挖掘新的有生物学意义的蛋白质复合物。为了解决这一问题,提出了一种新的蛋白质复合物挖掘算法BFSWD(breadt