稀疏回归相关论文
稀疏贝叶斯学习算法在智能电网、网络化系统辨识、信号处理等领域得到广泛应用,其引入模型稀疏性来平衡模型的拟合能力和泛化能力,......
在文本分类、图像标注、生物信息学等领域,数据对象往往呈现出多语义性的特点,传统的单标签学习框架不再适用。多标签学习认为每个......
随着遥感技术的发展与光谱成像技术水平的提高,高光谱成像技术作为新式对地观测手段,得到了越来越多的关注。高光谱影像能够在较广......
影像遗传学是应用神经影像来研究遗传基因对个体影响的一门新兴学科。影像遗传学通过研究影像表型（数量性状,Quantitative Traits,Q......
本文主要研究基于矩阵正则化表示的红外目标增强、图像修复与补全、高光谱图像解混等问题。所使用的矩阵正则化表示模型主要有：矩阵......
信息技术的进步促使各个领域都出现了海量高维数据。高维数据包含大量冗余特征与噪声,严重影响了学习任务的效率,降低了算法模型的......
随着计算机网络技术和多媒体技术的快速发展与普及,社交网络已经成为人们生活中不可缺少的一部分。在此背景下,图像作为用户产生的......
在数据挖掘和机器学习中,特征选择是解决“维数灾难”的有效方法。特征选择结果的好坏与分类精度和模型的泛化性能有着较大的相关......
近几十年来,随着计算机技术在医学成像领域的不断发展与广泛应用,医学图像分割技术也获得了前所未有的发展空间。肝脏分割就是根据......
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......
基于光谱库的高光谱稀疏解混技术近年来得到了人们的关注,该技术利用光谱库中光谱样本作为端元,将解混问题转化为稀疏表示问题。然......
本文中，我们提出了一种新颖的特征选择算法，将L2,1范数正则项合并到一块进行非监督特征选择。L2,1范数正则项通过作用在转移矩阵上使......
摘要：特征提取是高维数据降维的常用方法之一，特征提取的效果会直接影响后续处理方法的性能。本文提出了联合嵌入学习与稀疏回归进行......
针对变量选择问题,采用次序L1惩罚估计(SLOPE)方法,在一般稀疏回归模型中进行变量选择,并与LASSO方法进行比较。模拟研究结果表明:......
针对无标签高维数据的大量出现,对机器学习中无监督特征选择算法进行了研究。提出了一种结合自表示相似矩阵和流形学习的无监督特......
针对智能商业平台中的大数据预测问题,提出一种多因素稀疏回归预测模型。以离散余弦变换为基础,构建包含多个外部因素(节假日、天......
无监督特征选择是机器学习和计算机视觉等领域中的重要研究课题,可以降低数据维数,提高学习算法的性能。提出一种结合谱分析和稀疏......
随着多媒体技术的不断发展以及存储技术的提高,人们获取了大量的高维信息,而数据高维特性的存在将影响计算机的数据处理能力,影响......
基于运动想象的脑机接口是一种非常重要的脑机交互策略,其特点是用户通过思维“想象”相关的脑信号来控制机器人或外部设备,由于其......
特征选择是从特征集合中选择相关特征子集，方便数据聚类、分类和检索等．现有的无监督特征选择算法是将高维数据映射到低维空间并计算......
高光谱遥感兴起于20世纪80年代,是一种融合光谱学理论与成像技术的前沿技术。高光谱遥感图像包含几十至几百个窄波段的光谱信息,能......
