检索结果-南通市图书馆

计算机工程与科学 2010年第6期32卷 158-161页

作者：詹宇斌殷建平刘新旺国防科学技术大学计算机学院湖南长沙410073

基于核方法的降维技术和流形学习是两类有效而广泛应用的非线性降维技术,它们有着各自不同的出发点和理论基础,在以往的研究中很少有研究关注两者的联系。LTSA算法利用数据的局部结构构造一种特殊的核矩阵,然后利用该核矩阵进行核主成... 详细信息

基于核方法的降维技术和流形学习是两类有效而广泛应用的非线性降维技术,它们有着各自不同的出发点和理论基础,在以往的研究中很少有研究关注两者的联系。LTSA算法利用数据的局部结构构造一种特殊的核矩阵,然后利用该核矩阵进行核主成分分析。本文针对局部切空间对齐这种流形学习算法,重点研究了LTSA算法与核PCA的内在联系。研究表明,LTSA在本质上是一种基于核方法的主成分分析技术。

关键词：降维流形学习核方法核主成分分析局部切空间对齐

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

缺失像素图像集的流形学习算法

引用

吉林大学学报（工学版） 2011年第3期41卷 728-733页

作者：詹宇斌殷建平李宽国防科技大学计算机学院长沙410073

针对具有像素缺失的图像集,提出了修正的局部切空间对齐算法。该算法在每个局部邻域,扩展基于EM算法的主成分分析法,利用已知像素提取局部信息,替代了传统的SVD方法,从而避免了利用先验知识对图像进行恢复、固定值填充等所带来的累计误... 详细信息

针对具有像素缺失的图像集,提出了修正的局部切空间对齐算法。该算法在每个局部邻域,扩展基于EM算法的主成分分析法,利用已知像素提取局部信息,替代了传统的SVD方法,从而避免了利用先验知识对图像进行恢复、固定值填充等所带来的累计误差,最终实现恢复图像集的内在流形结构。在标准的测试数据集上的实验表明,修正的局部切空间算法能很好地发掘缺失像素图像集的内在流形结构,且具有良好的图像恢复能力。

关键词：人工智能流形学习缺失像素局部切空间对齐期望最大化算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于局部平滑性的通用增量流形学习算法

引用

计算机应用 2012年第6期32卷 1670-1673页

作者：周雪燕韩建敏詹宇斌中原工学院计算机学院郑州450000 河南经贸职业学院信息管理系郑州450000 国防科学技术大学计算机学院长沙410073

目前大多数流形学习算法无法获取高维输入空间到低维嵌入空间的映射,无法处理新增数据,因此无增量学习能力。而已有的增量流形学习算法大多是通过扩展某一特定的流形学习算法使其具备增量学习能力,不具有通用性。针对这一问题,提出了一... 详细信息

目前大多数流形学习算法无法获取高维输入空间到低维嵌入空间的映射,无法处理新增数据,因此无增量学习能力。而已有的增量流形学习算法大多是通过扩展某一特定的流形学习算法使其具备增量学习能力,不具有通用性。针对这一问题,提出了一种通用的增量流形学习(GIML)算法。该方法充分考虑流形的局部平滑性这一本质特征,利用局部主成分分析法来提取数据集的局部平滑结构,并寻找包含新增样本点的局部平滑结构到对应训练数据的低维嵌入坐标的最佳变换。最后GIML算法利用该变换计算新增样本点的低维嵌入坐标。在人工数据集和实际图像数据集上进行了系统而广泛的比较实验,实验结果表明GIML算法是一种高效通用的增量流形学习方法,且相比当前主要的增量算法,能更精确地获取增量数据的低维嵌入坐标。

关键词：维数归约流形学习增量学习局部切空间对齐局部线性嵌入

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

流形学习算法及其应用的研究

流形学习算法及其应用的研究

引用

作者：陈明月西安电子科技大学

学位级别：硕士

随着科技的进步,数据的形态变得越来越复杂.面对海量的高维非线性数据,如何迅速有效地提取并处理数据的特征信息已经成为应用数学、信息科学等领域的热门研究课题.由于数据内部结构一般无法通过分析直接得到,而流形学习方法不仅能有效... 详细信息

随着科技的进步,数据的形态变得越来越复杂.面对海量的高维非线性数据,如何迅速有效地提取并处理数据的特征信息已经成为应用数学、信息科学等领域的热门研究课题.由于数据内部结构一般无法通过分析直接得到,而流形学习方法不仅能有效地刻画高维数据的内部规律,还可以保持数据映射到低维空间时其局部结构不变.因此,该方法在非线性降维领域得到了广泛应用.传统的流形学习方法大多基于数据的局部特征进行研究,较容易忽视数据的全局性,从而导致构造全局低维嵌入时较远点之间的关系不明确.由于多数流形学习算法均是采用创建近邻图的方式刻画数据的几何结构,而在创建近邻图时需要根据经验调整一些参数,这严重影响着算法的性能.为解决上述流形学习方法存在的问题,本文从数据的局部特征出发,采用自适应的方式提出了两种新的流形学习方法,通过自动获取参数的方法避免了手动设置参数对算法性能的影响,从而保证了算法的可靠性和高效性.本文的主要工作如下:1.提出了自适应流形学习算法,以解决参数选择问题.针对传统的局部切空间对齐(LTSA)算法需要手动选择邻域大小和最佳嵌入维度的问题,本文采用自组织映射算法描述样本点的几何结构,自适应地选择邻域大小.同时采用求解最小嵌入维度的方法,计算出最佳嵌入维度,从而避免了传统流形学习方法中需要根据经验手动调整参数的局限性,提高了算法的分类性能.2.提出了改进的局部保持投影算法(PCA-LPP),以克服局部算法的局限性问题.局部保持投影(LPP)算法是一种传统的局部流形学习算法,它基于样本的局部特性进行降维,忽略了样本的全局特征,而主成分分析法(PCA)作为全局的特征提取算法,又无法考虑样本的局部特征.本文利用典型相关分析方法融合了以上两种算法得到的特征信息,使得到的特征信息既保留了局部特征信息,又具有全局特征信息,相比于单一的特征提取算法,具有更好的效果.3.将提出的两种改进的流形学习算法应用到故障诊断领域,通过对滚动轴承的故障数据进行对比实验,验证了算法的可行性.首先对故障数据进行预处理,使用总体平均经验模式分解和双谱分析法去除故障数据中的高斯和非高斯噪声,使用灰度共生矩阵生成高维纹理特征矩阵;其次分别使用本文提出的两种改进的流形学习算法进行降维,得到低维嵌入矩阵;最后通过支持向量机进行分类,得到识别精度.实验结果表明,本文提出的两种算法在故障类型判别和故障损坏程度识别上均具有较好的性能.

关键词：流形学习主成分分析局部保持投影局部切空间对齐自适应故障诊断

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：