维度约简相关论文
神经退行性疾病时刻危害着老年人群的身体健康,严重时甚至危及患者生命。我国由于医患比低、目标人群防治意识薄弱以及疾病本身隐......
在大数据时代,人们所获得的数据正在以指数的规模快速增长。从不同视角下收集到的大量不确定性数据和模糊数据体现出了多模态、高......
非负矩阵分解(NMF)算法通过矩阵分解操作,可以对高维空间的数据矩阵进行处理,以达到消除噪声、压缩数据的目的.为解决多标记学习框......
实际应用中,数据常常表现出不完备性和动态性的特点。针对动态不完备数据中的特征选择问题,提出了一种基于相容粗糙集模型和信息熵......
针对泡沫特征复杂繁多不利于建模控制的问题,提出一种基于稀疏化神经网络的泡沫图像特征选择方法.相较于大部分稀疏模型以线性回归......
随着互联网、信息技术及存储技术的快速发展,数据量呈指数增长,获取大量有标记数据样本十分困难,而获取大量未标记数据样本相对容......
在大数据时代,海量的高维数据更加频繁的进入我们的日常生活中。社会信息化程度提高为我们带来便利的同时,也使传统的数据挖掘方法......
张量在大数据处理领域中的兴起,推进了基于张量的数据分析算法的发展,其中包括高阶维度约简算法。一个好的维度约简算法不仅能够降......
基于拓扑学中的Jordan曲线定理,何清老师于2002年提出了一种通用的覆盖型分类方法--分类超曲面算法(HypelSurface Classification ......
多标记学习作为当前机器学习领域的研究热点，在实际应用中，为了提高多标记学习算法的分类性能，需要采集大量的特征。然而，过于繁多的特......
不同于采样矩阵近似方法,设计了一种基于随机循环矩阵投影来实现矩阵的近似.首先,利用随机采样得到一个初始矩阵的近似轮廓,然后构......
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......
在时间序列相似性研究领域已经发展了多种方法用于时间序列的表示，以达到降低序列维度的目的．作为一种经典的时域．频域转换方法，离散余......
由于多标记学习中的＂维度灾难＂问题,鉴于判别嵌入式聚类（DEC）算法对数据降维的特点,本文提出了基于DEC算法的多标记学习。该算法在多标......
流形学习是当今最重要的研究方向之一.约简维度的选择影响着流形学习方法的性能.当约简维度恰好是本征维度时,更容易发现原始数据......
挖掘并保持数据分布信息是无监督降维的核心问题,为解决传统无监督降维方法大多数只考虑数据分布的局部信息或者全局信息,数据分布......
现有的哈希方法难以快速实现原始特征空间的近似映射.针对此问题,文中提出基于小波投影的哈希方法.基于Haar小波变换构造投影矩阵,......
<正>医学影像学在保健查体、疾病预防、疾病筛查、早期诊断、病情评估、治疗方法选择、康复疗效评价、分级诊疗等,以及在生命科学......
目前在绩效评价过程中，常使用的包络数据分析方法的评价结果对所选用的财务指标非常敏感，为避免维度灾难，必须对众多特征所构成的高维......
高结点聚合运动图(snaptogether motion graph,STMgraph)是刻画虚拟角色运动序列关系的一种结构化运动图.其特点是图中每个结点都......
流形学习假设高维数据存在嵌入到高维空间中的低维(本征维度)流形,因而可对数据进行降维处理,揭示其内在性质。在本征维度下,更易......
一直以来,多目标优化都是进化计算研究中一个重要且具有挑战性的领域。近些年来,许多经典的多目标进化算法陆续被提出。尽管这些多......
学位
随着互联网应用的飞速发展及信息的多元化,互联网中的信息量呈爆炸性的增长,如何从海量的资源中迅速准确地找到需要的信息,并为用......
数据流子空间聚类的主要目的是在合理的时间段内准确找到数据流特征子空间中的聚类.现有的数据流子空间聚类算法受参数影响较大,通......
为了更好地适应新军事变革的需求,需要构建适应现代战争需求的武器装备体系;为了满足武器装备体系的各项能力需求和装备需求,也需......
图像的无监督聚类就是基于图像数据,在无任何先验信息的情况下将整个图像集合划分成若干子集的过程。由于图像的本征维度很高,在图......
机器直觉推理与因果模型的研究是AI基础理论体系的重要组成部分之一。针对目前因果关系推断在高维数据情况下,传统的基于条件独立......
