流形正则化相关论文
随着移动互联网技术和移动终端的快速发展,人们可以随时随地的通过互联网上传和下载各种多媒体数据。与此同时,数据的爆炸式增长给......
长链非编码RNA （lncRNA）在疾病的发生中起着重要作用，然而通过生物学实验探索lncRNA与疾病的关系昂贵且费时，必须开发出更准确和有效的......
随着人们饮食习惯的变化,全球结肠癌的发病率和致死率不断增加,如今已成为威胁人们健康的主要疾病之一。临床上基于结肠癌组织病理......
近年来，聚类作为机器学习、数据挖掘等领域的基本问题受到广泛的关注及研究，然而数据中普遍存在的噪声和异常值严重影响聚类结果.提......
随着信息技术的进步,人类社会正在进入大数据时代,海量的数据正在源源不断地产生,通过对这些数据的分析统计,能够获得很多极具价值......
伴随着网络技术和智能终端的快速发展,每天有数以亿计的图片和视频在各种社交媒体比如:Facebook,You Tube,Instagram上被上传和下......
基于深度学习的图像语义分割方法,损失函数通常只考虑单个像素点的预测值与真实值之间的交叉熵,未考虑邻近像素对分类结果的影响,......
由于复杂工业过程中关键质量变量的难测性及过程变量的易测性,导致收集到的数据集中含有大量无标记样本,采用传统的有监督极限学习......
Takagi-Sugeno-Kang（TSK）模糊系统的特点是能使用线性模型的方法求解非线性模型。TSK模糊系统的这个特点使得其在众多的领域都受到了......
过程监测技术在过程控制系统中起着重要的作用,在保障复杂工业过程的安全性和可靠性方面具有重要的意义。随着集散控制系统的应用,......
针对训练电能质量复合扰动分类模型遇到少量已知历史数据和海量未标注的采样数据共存的现象,提出了一种基于混合流形正则化图拉普......
信息时代的到来,各种数据呈指数级增加,例如文字、语音、图像信息等。同时随着科技的迅速发展,相比于其他传输媒介,其中图像信息的......
传统监督学习方法需要利用大量有标记的样本进行学习,但是得到具有较强泛化能力的模型往往需要大量的标记样本。在许多学习任务中,......
越来越多的研究表明长链非编码RNA（lncRNA）在各种生物过程中起着关键作用并与多种复杂疾病存在关联关系。虽然进行生物学实验或临床......
无监督极限学习机在投影过程中保持原始高维空间中的稀疏或近邻结构,样本在高维空间中存在冗余信息,原始的数据结构不一定适应于投......
本文提出了一种在精准农业中适合无人机的非刚性图像特征匹配方法.首先,基于特征相似性构建一组初始的对应关系,然后着重于从初始......
考虑到化工过程故障数据的复杂非线性特性和样本潜在的根本结构特征,提出了一种基于流形正则化随机配置网络的故障识别方法.该方法......
针对吸收马尔可夫随机游走方法未能充分抑制显著图的中心背景区域和丢失位于图像边界的显著目标的问题,提出一种基于流形正则化随......
人脸识别的应用已经不再局限于安防、身份验证等领域,特别是近几年兴起的互联网金融、智慧城市等都为人脸识别等生物特征识别技术......
随着互联网的普及,互联网安全问题显得越来越突出。如何及时发现、识别各种网络威胁并保证系统安全运行已经成为当前研究的关注点......
孪生支持向量机(Twin Support Vector Machines,TWSVM)是在2007年提出的,在形式上类似于经典的支持向量机(Support Vector Machine......
基于流形正则化的半监督分类算法框架（Manifold Regularization，MR）和基于后验概率的支持向量机（Posterior Probability Support Vecto......
针对极限学习机在处理高维数据时存在内存能耗大、分类准确率低、泛化性差等问题,提出了一种批量分层编码极限学习机算法。首先通......
深度信息在很多计算机视觉与计算摄像学问题中都起着至关重要的作用,如3DTV,虚拟现实,多视图渲染和自主导航等。然而,受主动传感技......
现代工业控制过程的大型复杂化使得过程监测得到的数据信息越来越丰富,因此对过程控制的安全、高效和持续性要求越来越高。为了能......
随着人工智能的快速发展,人体动作识别技术备受人们的关注,传统的动作识别技术是基于可穿戴传感器设备来实现,然而可穿戴传感器受......
半监督学习是当前深度学习领域研究的热点和难点之一,它是一种基于大量无标签样本以及少量无标签样本进行图像分类的方法。传统的......
随着互联网的发展以及智能手机的普及,人们获取及接触到的图像数据越来越多,图像数据有一个显著特点就是维数很高。我们在得到极大......
图像分割被广泛应用于图像编辑、目标跟踪等领域,是计算机视觉中最重要的基础任务之一。完全自动的图像分割的概念是模糊的,因为人......
在信息时代迅猛发展的大环境前提下,数据量也随之增长到海量级别,例如图像分类、病理检测、网页推荐等领域,其中标记数据特别稀少,......
如何有效地挖掘和学习海量的无标记数据中的规律,让用户快速找到需要的信息,是当前机器学习领域的一个研究热点。半监督学习利用少......
随着高通量测序技术以及计算机技术的快速发展,各种各样的生物数据呈爆发式增长。面对海量的生物信息,如何高效探索基因-疾病关联......
提出了一种基于核主分量分析（PCA）正则化的机器人实时定位算法。此算法以半监督学习完成离线训练,首先,以机器人在其预置运动路径上......
高光谱图像的出现给遥感技术的发展带来了巨大的变革。高光谱成像波段宽度达到纳米级别,可以提供波段众多、光谱覆盖范围广的数据,......
针对流形正则化的低秩矩阵分解算法(Manifold Regularized Low-rank Matrix Factorization,MRLMF)只考虑了样本间几何结构这一缺点......
流形正则化低秩矩阵分解（Manifold Regularized Low-rank Matrix Factorization,MRLMF）算法是一种最近提出的能考虑样本间流形结构的......
在基于流形正则化的半监督极限学习机（SS-ELM）的基础上,利用分块矩阵的运算法则,提出了在线半监督极限学习机（OSS-ELM）方法.为避免在实......
利用流形正则化的思想,围绕半监督学习,提出了一种针对流形正则化的模式分类和回归分析的新算法。该算法基于流形上的正则化项和传......
传统雷达高分辨一维距离像(High-resolution Range Profile,HRRP)目标识别方法只利用目标幅度信息而丢失其相位信息,这势必会造成......
经典的非光滑非负矩阵分解方法只能发现数据中的全局统计信息,对于非线性分布数据无能为力,而流形学习方法在探索高维非线性数据集......
随着大数据应用的发展,通过非线性流形采样得到的多类型关系数据规模越来越大,数据几何结构更加复杂,异构关系数据变得异常稀疏,导......
基于流形正则化框架提出一种分类算法（MLD-RLSC），以解决高维文档分类问题。该算法通过构建训练样本的最近邻图来估计数据空间的几何结......
本文研究了关于图上样本排序的算法设计问题.利用流形正则化的方法,在考虑函数空间复杂性的基础上充分利用图的内在结构信息,得到......
半监督学习方法主要通过学习少量标记样本和大量未标记样本知识来提高学习效果,然而目前许多半监督方法注重在未标记样本的利用上......
