属性自表达相关论文
机器学习和数据挖掘在视觉领域与自然语言领域中拥有举足轻重的地位,并随着大数据时代的到来承担着越来越重要的责任。大数据时代......
随着人工智能和大数据产业的发展,人类社会的各个领域都积累了大量的高维数据,如何有效地进行高维数据挖掘成为了迫在眉睫的问题。......
随着数据信息化的日益发展,人工地从数据中筛选出需求的信息已经变得十分困难,为此研究者以统计学思想为基础提出了机器学习方法,......
由于大量无类标签数据需要降维处理,近年来无监督属性选择学习受到越来越多的关注.通过将两种稀疏表示和属性自表达损失函数嵌入到......
针对高维数据具有低秩形式和属性冗余等特点,提出一种基于属性自表达的无监督超图属性选择算法。该算法首先利用属性自表达特点用......
针对噪声或者离群点通常会增加矩阵的秩的问题,提出一个在低秩限制下的基于超图的稀疏属性选择算法。算法利用其他属性稀疏地表达......
为解决高维数据属性维度高,不易直接应用的问题,提出通过属性自表达移除不相关和冗余属性的属性选择算法。基于稀疏学习的框架,通......
受属性选择处理高维数据表现的高效性和低秩自表达方法在子空间聚类上成功运用的启发,提出一种基于稀疏学习的自表达属性选择算法......
