針對復(fù)雜高維數(shù)據(jù)的維度約減問題,提出一種魯棒的無監(jiān)督維度約簡方法。將自適應(yīng)的圖學(xué)習(xí)和投影學(xué)習(xí)融入一個聯(lián)合學(xué)習(xí)框架,自適應(yīng)捕獲數(shù)據(jù)的本質(zhì)局部結(jié)構(gòu),以此指導(dǎo)模型學(xué)習(xí)到全局最優(yōu)的投影;為捕獲數(shù)據(jù)的全局信息,引入一個PCA項,該項的引入能夠減少維度約簡過程中的信息損失;為選擇最重要的特征進(jìn)行維度約簡,引入一個行稀疏約束,增強(qiáng)對于噪聲的魯棒性。在多個數(shù)據(jù)集上的實驗驗證了所提方法的有效性。 

【文章來源】：計算機(jī)工程與設(shè)計. 2020,41(08)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

4種典型圖片數(shù)據(jù)集


本文編號：3034219