自适应图嵌入的鲁棒稀疏局部保持投影

发布时间：2021-02-15 01:55

　　针对复杂高维数据的维度约减问题,提出一种鲁棒的无监督维度约简方法。将自适应的图学习和投影学习融入一个联合学习框架,自适应捕获数据的本质局部结构,以此指导模型学习到全局最优的投影;为捕获数据的全局信息,引入一个PCA项,该项的引入能够减少维度约简过程中的信息损失;为选择最重要的特征进行维度约简,引入一个行稀疏约束,增强对于噪声的鲁棒性。在多个数据集上的实验验证了所提方法的有效性。 

【文章来源】：计算机工程与设计. 2020,41(08)北大核心

【文章页数】：6 页

【部分图文】：

4种典型图片数据集


本文编号：3034219