基于局部与全局保持的半监督维数约减方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：在很多机器学习和数据挖掘任务中，仅仅利用边信息（side-information）并不能得到最好的半监督学习（semi—supervised leaming）效果，周此，提出一种基于局部与全局保持的半监督维数约减（local and global preserving based semi—supervised dimensionality reduction，简称LGSSDR）方法．该算法不仅能够保持正、负约束信息而且能够保持数据集所在低维流形的全局以及局部信息．另外，该算法能够计算出变换矩阵并较容易地处理未见样本．实验结果验证了该算法的有效性．

原文链接:http://www.cqvip.com//QK/96857X/200811/28637747.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Dimensional information Informatio preserving Reduction 边信息 局部与全局保持 半监督学习 维数约减 图嵌入

谢谢分享