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56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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)時代,海量高維數(shù)據(jù)的涌現(xiàn)成為模式識別面臨的巨大挑戰(zhàn),降維技術(shù)是處理高維數(shù)據(jù),克服“維數(shù)災(zāi)難”的重要方法。近年來,盡管降維技術(shù)取得了一定程度的發(fā)展,由于高維數(shù)據(jù)的數(shù)據(jù)量大以及維數(shù)高,使得對數(shù)據(jù)的特征提取工作具有很大的困難,同時也擁有廣闊的發(fā)展前景。
  本文研究了數(shù)據(jù)降維技術(shù)的幾種經(jīng)典方法,并在這些經(jīng)典方法的啟發(fā)下,對某些算法過程以及處理速度進(jìn)行改進(jìn)優(yōu)化,提出了幾種新的降維方法。本文的主要工作如下:
  1.回顧幾種經(jīng)典

2、降維方法,并用一個一般化的圖嵌入框架將它們統(tǒng)一描述。針對傳統(tǒng)圖嵌入框架下圖構(gòu)建方法具有計算緩慢的缺陷,結(jié)合稀疏編碼理論的優(yōu)點,并利用最小二乘方法,提出了一種基于正則化最小二乘法的圖嵌入框架RLSGE,改進(jìn)了圖構(gòu)建模式。該方法在保持傳統(tǒng)圖嵌入框架所具備的魯棒性強(qiáng)等特點的同時,提高了降維處理速度。在RLSGE框架下,提出了一種基于正則化最小二乘的鑒別映射特征提取方法(RLSDP)。該方法在繼承SPP的稀疏特性的基礎(chǔ)上,優(yōu)化了圖構(gòu)建速度,并且

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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