版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、天津大學(xué)碩士學(xué)位論文基于稀疏表示的近鄰保持嵌入數(shù)據(jù)降維研究姓名:吳鏑申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師:趙政201112ABSTRACTWiththerapiddevelopmentoftheinternet,thestorageandanalysisoflarge—scaledataisgettingmoreandmoreimportantSotheseyears,lotsoftechnologiesforstoring
2、andcomputingoflargescaledataemergeHoweverwecanalsousesomemethodsofdimensionalityreductiontoreducethehighdimensionaldataeffectivelythisreducesthecomplexityofcomputingfromanotherperspectiveInrealworld,highdimensionaldataar
3、eeverywhere,butthenaturestructurebehindthemisalwaysfeaturedbyonlyafewparametersWiththefastdevelopmentofcomputervisionandpatternrecognition,inlotsofapplications,moreandmoredatadimensionalityreductionproblemsareinvolvedFor
4、example,infacerecognition,afaceimageusuallyconsistsoftensofthousandsoffeaturesbutitincludesredundantinformationsandimportantrelationsamongfeatureshidebehinditThiswillincreasethedifficultyoftrainingclassifierandcomputingI
5、t’SSOcalled”curseofdimensionality”AllofthechallengesabovelargelypremotethedevelopmentofdimensionalityreductionLinearmethodsuchasLPP(LocalPreservingProjection),NPE(NeighborhoodPreservingEmbedding)andSPP(SparsityPreserving
6、Projections)comeupwithrecentlynolinearmethodsuchasLLE(LocalLinearEmbedding)andimprovementversionkernelNPEOneparticularlysimplebuteffectiveassumptioninfacerecognitionisthatthesamplesfromthesameclasslieonalinearsubspace,SO
7、lotsofnolinearmethodsonlyperformwellonsomeartificialdatasetsThispaperemphasizesonNPEandtherepresentationofsparsitycomeupwithrecentlNandcombinesthesetwomethods,theexperimentsshowtheeffectofnewmethodoutperformsomeclassicun
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于局部線性嵌入的高維數(shù)據(jù)降維研究.pdf
- 基于k近鄰多標(biāo)簽學(xué)習(xí)的數(shù)據(jù)降維算法的研究.pdf
- 基于稀疏表示和決策樹(shù)的最近鄰方法研究.pdf
- 基于稀疏表征的降維算法研究.pdf
- 高維稀疏數(shù)據(jù)的降維方法與應(yīng)用研究.pdf
- 基于重構(gòu)信息保持的降維算法研究.pdf
- 基于張量的大數(shù)據(jù)統(tǒng)一表示及降維方法研究.pdf
- 基于局部信息保持的特征降維方法研究.pdf
- 人臉識(shí)別中基于稀疏降維方法的研究
- 基于稀疏表示和低秩逼近的SAR圖像降斑.pdf
- 基于局部線性嵌入的降維算法研究.pdf
- 稀疏無(wú)監(jiān)督線性降維方法研究.pdf
- 基于稀疏表示的基因表達(dá)譜數(shù)據(jù)挖掘方法研究.pdf
- 基于稀疏表示理論的地震數(shù)據(jù)去噪方法研究.pdf
- 基于稀疏表示的二維波達(dá)方向估計(jì).pdf
- 基于特征選擇的數(shù)據(jù)降維算法研究.pdf
- 基于隨機(jī)近鄰嵌入的三維形體等距形變.pdf
- 基于特征選擇的數(shù)據(jù)降維.pdf
- 基于解析稀疏模型的信號(hào)稀疏表示.pdf
- 基于醫(yī)學(xué)數(shù)據(jù)降維方法比較研究.pdf
評(píng)論
0/150
提交評(píng)論