2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、數(shù)據(jù)降維是模式識別、機器學習、數(shù)據(jù)挖掘等領域的一個關鍵科學問題。它利用線性或非線性變換將高維空間的數(shù)據(jù)映射到低維空間,從而便于后續(xù)分析。隨著數(shù)據(jù)采集技術(shù)、通信技術(shù)和計算機技術(shù)的飛速發(fā)展,數(shù)據(jù)的規(guī)模越來越大、維度也越來越高,這使得原有數(shù)據(jù)降維技術(shù)的運算復雜度大大增加,甚至無法進行。對此,從流形學習入手,深入研究基于流形學習的增量無監(jiān)督降維方法。論文的主要內(nèi)容有:
  (1)針對批處理方式的近鄰保持嵌入(NeighborhoodPre

2、servingEmbedding,NPE)算法對于新增樣本計算復雜度高的問題,研究了增量近鄰保持嵌入(IncrementalNeighborhoodPreservingEmbedding,INPE)算法。該增量學習算法在新樣本不斷加入時,充分利用已有數(shù)據(jù)的部分處理結(jié)果,避免了由于新樣本加入導致的重復運算問題,大大降低了計算復雜度,提高了處理速度。在AR、ORL、FERET人臉數(shù)據(jù)庫上的實驗結(jié)果驗證了該算法的有效性和可行性。
  (

3、2)二維局部保持投影(Two-dimensionalLocalityPreservingProjection,2DLPP)算法在處理大規(guī)模高維數(shù)據(jù)時,具有很高的時間和空間復雜度。對此,研究了基于模型合并的增量二維局部保持投影(Merging-basedIncrementalTwo-dimensionalLocalityPreservingProjection,M-I2DLPP)算法。M-I2DLPP算法通過建立與數(shù)據(jù)集相對應的2DLPP

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論