基于KLDA的图核降维方法

发布时间：2017-07-15 18:32

  本文关键词：基于KLDA的图核降维方法

  更多相关文章： 图分类 图核 核线性判别分析 降维

【摘要】：图结构具有较强的表达能力和较高的灵活性,对图结构数据的识别及分类属于结构模式识别的范畴.对图结构数据的研究思路是将图结构数据通过图核转化为向量空间中的向量,然后采用传统的机器学习算法对其进行分析.基于图结构的数据表示与分析已经成为机器学习领域的研究热点.于是提出对经典的图结构分析方法进行扩充,利用核线性判别分析方法(KLDA)对图核诱导的高维特征空间进行降维,得到与原始图结构特征空间对应的低维度的特征空间,然后采用传统的机器学习算法对这些新的数据进行分析.在标准数据集上的实验效果验证了该方法的有效性.
【作者单位】： 解放军理工大学指挥信息系统学院;
【关键词】： 图分类 图核 核线性判别分析 降维
【基金】：国家自然科学基金(61473149)资助
【分类号】：TP391.41
【正文快照】： Dimensionality reduction method of graph kernel based on KLDAYU Yajun,PAN Zhisong,HU Guyu,MO Xiaoyong,XUE Jiao(College of Command Information System,PLA University of Science and Technology,Nanjing210007,China)0引言模式识别可以分为统计模式识别和结构模式

【相似文献】

中国期刊全文数据库 前10条

1 谈锐;陈秀宏;;半监督的局部保留投影降维方法[J];计算机工程;2012年06期

2 李冬睿;许统德;;自适应邻域选择的数据可分性降维方法[J];计算机应用;2012年08期

3 何颂华;刘真;陈桥;;基于矩阵R理论的光谱降维方法研究[J];光学学报;2014年02期

4 邱新涛;付冬梅;杨焘;;基于张量的稀疏保持投影降维方法[J];中国科技论文;2013年10期

5 薛寺中;谈锐;陈秀宏;;基于核的半监督的局部保留投影降维方法[J];计算机应用;2012年08期

6 任克强;张国萍;赵光甫;;基于相对文档频的平衡信息增益降维方法[J];江西理工大学学报;2008年05期

7 高小明;冯洋琴;陈菲;;基于邻近线性表示的降维方法[J];计算机应用研究;2014年08期

8 闫德勤;吕志超;刘胜蓝;;一种邻域线性竞争的排列降维方法[J];计算机应用研究;2014年01期

9 刘瑞华;耿国华;周明全;冯亚;;一种新的等距映射下的降维方法[J];计算机应用与软件;2008年06期

10 申中华;王士同;潘永惠;;一种改进的支持向量机降维方法[J];计算机应用与软件;2008年05期

中国博士学位论文全文数据库 前4条

1 沙洁;基于加权残差最小的流动降维方法研究[D];昆明理工大学;2015年

2 姜鑫维;基于高斯过程的降维方法研究[D];华中科技大学;2012年

3 曾雪强;偏最小二乘降维方法的研究与应用[D];上海大学;2009年

4 黄东;基于流形的降维方法及其在计算机视觉中的应用[D];电子科技大学;2009年

中国硕士学位论文全文数据库 前8条

1 郝艺达;关于人脸识别中降维方法的研究[D];长春工业大学;2016年

2 于耀亮;基于局部几何关系的降维方法研究及其在人脸识别中的应用[D];复旦大学;2008年

3 蔡传晰;基于医学数据降维方法比较研究[D];合肥工业大学;2012年

4 李文博;模式识别中几类降维方法的研究[D];湘潭大学;2013年

5 郑鹏;投影寻踪指标小波估计与CDA降维方法[D];西北工业大学;2006年

6 骆意;一种基于RKHS理论的非线性核降维方法[D];中国科学技术大学;2015年

7 庞尔平;人脸识别中基于稀疏降维方法的研究[D];吉林大学;2013年

8 韩冬冰;基于局部优化投影的人脸识别方法研究[D];东北师范大学;2011年

，

本文编号：545220