面向高維數(shù)據(jù)的共享子空間識別方法研究.pdf

1、隨著信息化和互聯(lián)網(wǎng)的發(fā)展，高維數(shù)據(jù)在人們生活的各個領(lǐng)域不斷涌現(xiàn)，如天文望遠(yuǎn)鏡所收集到的數(shù)據(jù)，Web文檔，多媒體數(shù)據(jù)以及生物醫(yī)學(xué)領(lǐng)域中的基因數(shù)據(jù)等等?？偟膩碚f，這些數(shù)據(jù)都處于維數(shù)較高的特征空間中，特征維數(shù)的高維性帶來的直接后果就是維度災(zāi)難(curse of dimensionality)。那么如何從這些高維的數(shù)據(jù)中挖掘出對人類有價值的信息就變得更為困難，并且已經(jīng)成為迫切需要解決的問題。高維數(shù)據(jù)挖掘的一個重要的方法是通過對構(gòu)建數(shù)據(jù)的特征屬性

2、之間的共享空間進(jìn)行研究，基于這種共享子空間將原始的數(shù)據(jù)降到一個低維的、具有清晰的潛在的結(jié)構(gòu)上去。于是，基于共享子空間的多標(biāo)簽學(xué)習(xí)和利用特征屬性之間的共享信息的聚類分析得到了越來越多學(xué)者的關(guān)注。
　　在多標(biāo)簽分類問題中，多個標(biāo)簽共享同一個輸入空間，而且同一個實例的不同標(biāo)簽之間也存在一定的相關(guān)性。所以在研究此類問題的時候，標(biāo)簽之間的關(guān)聯(lián)性研究就顯得尤為重要?，F(xiàn)有的多標(biāo)簽學(xué)習(xí)對于標(biāo)簽之間的相關(guān)性研究均是在原始數(shù)據(jù)上進(jìn)行的，然而原始數(shù)據(jù)存

3、在高維、信息冗余等特點，致使已有學(xué)習(xí)方法無法達(dá)到預(yù)期的效果。本文提出一種基于共享子空間的多標(biāo)簽數(shù)據(jù)表示模型，該模型在類標(biāo)信息指導(dǎo)的基礎(chǔ)上，從原始特征空間中提煉出高層信息，并有效的體現(xiàn)多標(biāo)簽之間的相關(guān)性。基于高層特征信息，原始高維數(shù)據(jù)被有效的映射到一個低維空間中。實驗證明該模型有效的提高了多標(biāo)簽數(shù)據(jù)的分類性能。
　　隨后，我們將對共享子空間的研究拓展到聚類分析中，利用特征屬性之間的共享信息提高特征選擇的可靠性，從而提升最終的聚類效果