基于随机旋转集成的降维方法

发布时间：2018-07-07 09:11

  本文选题：集成学习 + 随机旋转集成　； 参考：《上海理工大学学报》2017年05期

【摘要】：对随机旋转集成方法提出了一种针对降维问题的改进,得到了新的降维算法框架进行随机变换降维,可以显著减少降维过程中造成的信息损失.采用随机变换降维后,训练监督学习算法时可以获得更高的准确率和更好的泛化性能.通过在模拟数据上进行的实验,证明了使用多重共线性数据进行回归分析时,与传统降维算法相比,经随机变换降维处理后可以保留更多的信息,获得更小的均方误差.对随机变换降维在手写数字识别数据集上的表现进行了研究,证明了与一般性的降维算法相比,随机变换降维在图像分类问题上可以获得更高的准确率.
[Abstract]:In this paper, a new dimensionality reduction algorithm based on random rotation ensemble is proposed, and a new dimensionality reduction algorithm is proposed, which can significantly reduce the information loss in the process of dimensionality reduction. The training supervised learning algorithm can obtain higher accuracy and better generalization performance after using random transformation to reduce the dimension. Through the experiments on simulated data, it is proved that compared with the traditional dimensionality reduction algorithm, when multiple collinear data are used in regression analysis, more information can be retained and smaller mean square error can be obtained after dimension reduction by random transformation. The performance of dimensionality reduction of random transformation on handwritten number recognition data set is studied. It is proved that compared with the general dimensionality reduction algorithm, stochastic transform can achieve higher accuracy in image classification.
【作者单位】： 上海理工大学管理学院;
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 吴正寅;薛安荣;李明;;基于权值的局部保持半监督降维算法[J];计算机应用研究;2011年04期

2 刘胜蓝;闫德勤;;一种新的全局嵌入降维算法[J];自动化学报;2011年07期

3 张晶晶;周晓勇;刘奇;;一种改进的大尺度高光谱流形降维算法[J];光学学报;2013年11期

4 宋德华;姚莉秀;;基于流形保持的半监督局部排列降维算法[J];微型电脑应用;2013年05期

5 杨格兰;金辉霞;孟令中;朱幸辉;;基于图的半监督降维算法[J];计算机科学;2014年04期

6 宋欣;叶世伟;;一种在源数据稀疏情况下的数据降维算法[J];计算机工程与应用;2007年28期

7 仵博;陈鑫;郑红燕;冯延蓬;;基于非负矩阵分解更新规则的部分可观察马尔可夫决策过程信念状态空间降维算法[J];电子与信息学报;2013年12期

8 许超,陈治纲,邵惠鹤;DMC算法中QP求解的降维算法[J];计算机工程;2002年02期

9 王颖静;王正群;张国庆;徐伟;;流形结构保持的传播半监督降维算法[J];小型微型计算机系统;2012年11期

10 张晓斌;魏永祥;韩德民;夏寅;李希平;原林;唐雷;王兴海;;数字化耳鼻咽喉数据集的采集[J];中华耳鼻咽喉头颈外科杂志;2005年06期

相关博士学位论文 前3条

1 严远亭;不完整数据集的多视角集成分类研究[D];安徽大学;2016年

2 史荧中;耦合的支持向量学习方法及应用研究[D];江南大学;2016年

3 雒晓卓;基于联合稀疏和局部线性的极限学习机及应用[D];西安电子科技大学;2015年

相关硕士学位论文 前10条

1 魏恩营;基于k近邻多标签学习的数据降维算法的研究[D];闽南师范大学;2016年

2 宋德华;半监督降维算法的研究及其在医学专家系统中的应用[D];上海交通大学;2013年

3 尹飞;癌症基因数据的降维算法研究与应用[D];苏州大学;2013年

4 张乾坤;无监督与半监督降维算法研究[D];西安电子科技大学;2010年

5 袁铭;基于R-SMOTE方法的非平衡数据分类研究[D];河北大学;2015年

6 程伟;基于半监督SVM的非平衡学习[D];西安电子科技大学;2014年

7 马蕊;基于触觉序列的物体分类方法[D];石家庄铁道大学;2015年

8 闫欣;综合过采样和欠采样的不平衡数据集的学习研究[D];东北电力大学;2016年

9 朱政;V-支持向量分类机中若干问题的研究[D];华东师范大学;2016年

10 蒋伟;基于特征的轨迹数据集化简研究[D];苏州大学;2016年

，

本文编号：2104492