图正则相关论文
传统的图正则化方法使用欧氏距离度量样本空间的相似度,并不能准确考察复杂数据集的邻域信息,容易导致模型在复杂形状数据和非凸数......
图像聚类是将一组图片数据划分成若干簇,使得簇内数据彼此相似,而簇间数据不相似的过程.非负矩阵分解（Non-negative Matrix Factori......
非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点......
信息技术的快速发展产生了大量无标签高维数据.为了能够更好地处理这些数据,提出了一种基于子空间学习和伪标签回归的无监督特征选......
目标跟踪问题是计算机视觉领域的热点问题,在智能交通、人机交互、安防监控等方面都有非常重要的作用。目标跟踪的任务是在一段图......
宫颈癌是危害女性健康最常见的恶性肿瘤之一,我国宫颈癌发病率高居世界第二位.目前宫颈癌的诊断和筛查方法主要包括宫颈活检刮片、......
支持向量机(Support Vector Machine,SVM)是基于统计学理论的一种通用有监督机器学习算法。支持向量机实现了结构风险最小化原则,......
随着大数据时代的到来,特别是智能数据的兴起,图像数据不仅仅成为海量的深数据,还进一步成为了高维的宽数据。面对如此海量、高维......
当今社会进入大数据时代,发达的科技、高效的信息流通方式,使得社会活动与人们交流变得越来越频繁,产生了大量的数据。如何对这些......
随着人类基因组计划的高速发展,DNA芯片技术被广泛地应用到生命科学的各个领域,利用得到的基因表达谱数据可以从微观世界描述出各......
随着科技的进步发展,信息变得日渐丰富和复杂化,数据也呈现出高维发展的趋势。然而,在这些高维数据所包含的特征中,往往只有很少一......
随着人工智能技术的发展,数据逐渐复杂化,致使原始样本数据特征多样性,在众多的特征中存在着一些不相关特征、冗余特征以及噪音的......
作为一种信息获取与处理的新理论,压缩感知已成为当前信号处理领域的一个热门研究方向。压缩感知理论指出:在满足“信号可压缩”与......
随着计算机科学和生物医学的发展,基因表达谱数据能够以高维数据的形式导出,这为应用数据挖掘算法对其分析处理提供了可能.基因表......
文章将局部坐标编码（NGLF）和图非负矩阵分解（GNMF）合并形成新框架,并用L_（2,1）范数代替原始L_2范数构成新的目标函数,提出新的鲁棒图局部......
非负矩阵分解是在矩阵非负约束下的分解算法。为了提高识别率,提出了一种基于稀疏约束和图正则化的半监督非负矩阵分解方法。该方......
针对实际场景中人脸表情识别训练和测试数据来自不同场景从而导致识别性能显著下降的问题,提出了一种基于稀疏子空间迁移学习的跨......
针对非负矩阵分解后数据的稀疏性降低、单一图像特征不能够很好地描述图像内容的问题,提出一种基于特征融合的多约束非负矩阵分解......
针对非负矩阵分解后数据的稀疏性降低、训练样本增多导致运算规模不断增大的现象,提出了一种稀疏约束图正则非负矩阵分解的增量学......
针对传统低秩表示不能准确描述数据结构的问题,提出一种图正则平滑低秩表示的特征选择算法。在构造目标函数时,利用对数行列式函数......
传统的线性子空间分割方法很难刻画数据的非线性结构。借鉴核理论提出核化图正则子空间分割方法,在非线性空间中对数据进行重构,有......
非负矩阵分解(NMF)是一种非常有效的数据降维方法,广泛应用于图像聚类等领域。然而NMF是一种无监督的方法,没有使用数据的标签信息......
非负矩阵分解(Nonnegative Matrix Factorization,NMF)不仅可以很好地描述数据而且分解后的矩阵具有直观的物理意义。为了提高算法......
对于用户异常用电行为的检测,电力企业通常采用人工检查的方法,但该方法需要消耗大量的人力、物力,且容易受主观因素的影响。为此,......
作为一种重要的数据研究方法,聚类在各个领域都有着良好的应用前景。聚类算法能够根据数据集中各样本的特征,将样本划分到不同的簇......
针对基于鲁棒主成分分析的显著目标检测方法,在显著目标出现不同颜色时不能产生一致的显著值,提出基于稀疏表示模型的显著目标检测......
