【摘 要】
：
利用局部线性嵌入(LLE)算法中获得局部邻域之间的重构关系与使用最小角回归方法解决L1归一化问题都使用回归方法,针对在通过映射获得低维嵌入空间与通过特征选择获得低维空间上有着一致的思想,提出一种能保持局部重构关系的无监督谱特征选择方法。该方法利用最小二乘法计算样本的邻域重构系数,并用这些系数表示样本之间的关系,通过解决稀疏特征值问题获得能够保持样本间关系的低维嵌入空间,最后通过解决L1归一化问题实
论文部分内容阅读
利用局部线性嵌入(LLE)算法中获得局部邻域之间的重构关系与使用最小角回归方法解决L1归一化问题都使用回归方法,针对在通过映射获得低维嵌入空间与通过特征选择获得低维空间上有着一致的思想,提出一种能保持局部重构关系的无监督谱特征选择方法。该方法利用最小二乘法计算样本的邻域重构系数,并用这些系数表示样本之间的关系,通过解决稀疏特征值问题获得能够保持样本间关系的低维嵌入空间,最后通过解决L1归一化问题实现自动特征选择。通过在四个不同数据集上的聚类实验结果证明,该方法能更准确地评价每个特征的重要性,能自动适
其他文献
为了高效估计出K分布的参数,提出了对数累积量参数估计方法。基于第二类统计量,先对K分布的概率密度函数进行Mellin变换,从而获得K分布的第二类第一特征函数;然后对第二类第一特征函数进行对数变换,由此获得K分布的第二类第二特征函数;最后对第二类第二特征函数求导数,进而获得K分布的前两阶对数累积量,由此可以估计K分布的参数。与传统的最大似然估计方法相比,K分布的对数累积量估计具有解析的表达式,易于计
《高教论坛》于1985年创刊,是我国创刊最早、具有较大影响的高教研究期刊之一。从2002年第5期起,山西、甘肃、重庆、福建等省市高等教育学会参与联办《高教论坛》,2007年第6
在分析Hadoop缺省及改进的作业调度算法基础上,引入群智能算法,设计了基于改进人工鱼群算法的Hadoop作业调度算法。采用随机键方式对待分配任务进行编码,以任务总执行时间作为启发函数,并引入吞食行为和跳跃行为改进人工鱼群算法,以达到进一步改善作业调度算法性能的目的。实验结果表明,改进后的人工鱼群作业调度算法在异构环境下可以提高系统性能,降低运行时间。
利用通用的UDP传输实时视频,接收端所显示的视频图像往往存在延时较长、丢帧及单帧图像显示不完整等问题,这些现象在无线局域网环境中尤为明显。针对上述问题提出了一种基于帧内压缩的视频实时传输方法。在发送图像数据之前进行帧内压缩,然后分组发送;在接收端进行数据包接收、重组并解码。在局域网环境下进行了多次实验,对相关参数进行优化和调整,最终将延时减少到0.5~2 s。结果表明,由于采用了压缩算法并提高了拆
云存储/分布式存储主要靠存储冗余和高效的节点修复机制保障其可靠性。将干扰对齐技术引入到云存储的节点修复问题中,利用干扰对齐可以将节点修复时传输的干扰数据压缩到较小的空间维度中,使待修复节点所需的期望数据维度较大,在保证高可靠性的同时降低修复开销,节约云存储成本。首先介绍了云存储/分布式存储中的节点修复问题,然后对干扰对齐在云存储/分布式存储中的重要意义和国内外的研究进展进行了阐述,最后分析了存在的
目的:通过调查了解浙江省富阳市女性主要恶性肿瘤发病率趋势及流行病学特点,为该地区女性恶性肿瘤的防治提供相应的科学依据。方法:依据富阳市2010-2015年女性肿瘤诊断报告登
针对智能单粒子优化算法(ISPO)容易出现算法早熟、收敛精度低的现象,提出一种基于高斯变异的智能单粒子算法(GISPO)。当粒子陷入局部最优值,每一维速度会降到一定的阈值,整个粒子进化处于缓慢阶段;此时给予搜索到的历史最优极值一个自适应的高斯变异扰动,会大大提高粒子的逃逸能力,帮助粒子快速地跳出局部极值点,不断地向全局最优解靠近。通过几个标准测试函数进行实验,结果表明该算法的收敛速度、搜索精度和稳
党的＂十九大＂报告为新时期对台工作指明了方向。文章以云南师范大学为例,回顾和总结了云南师范大学与台湾地区高校交流的进展与成效,在此基础上剖析了两岸高等教育合作交流中存
多谱图WVD算法在计算自项支撑域时需要估计噪声的方差,且由于WVD是二次型运算,当强弱信号共存时,弱信号将被淹没。针对此问题,通过利用所处理信号的双音动态范围来确定支撑域的阈值,并对支撑域的幅度进行修正,避免了对噪声方差的估计,改善了信号时频图的聚集性。仿真实验表明,改进算法在抑制交叉项的同时,很好地保留了弱信号的细节,提高了多谱图WVD算法所处理信号的双音动态范围。最后利用计算机统一设备架构的高
为了解决传统区域增长算法处理低纹理图像时,因种子点个数不够导致匹配无法进行增长的问题,提出一种融合轮廓信息的匹配算法来增加种子点个数。首先提取图像特征点与轮廓信息,然后利用方向性约束确定候选匹配点集,最后根据边缘相关性原则从候选匹配点集中计算得到最佳匹配点,即新增种子点。理论分析与实验表明,其较传统区域增长算法能够得到更多种子点,匹配范围更广,匹配精度更高。