局部保持相关论文
为了能够在降维时，保持数据的全局结构和局部流形信息并利用数据的类别信息来保持数据的判别信息，提出一种新的基于局部保持的图嵌入......
多视图的学习在最近十几年引起了众多研究人员的极大兴趣和关注。而传统的模式识别和机器学习的方法多是集中在单视图上进行的。这......
有序学习是机器学习中的一种特殊的有监督学习方法,它可有效利用数据之间的等第关系,备受研究者的广泛关注。基于费希尔判别分析的......
人脸图像分析是一个具有重要理论意义和应用价值的研究方向。如何提取人脸图像特征、实现算法模型并在图像分析过程中获得更加高效......
聚类在机器学习和模式识别领域被广泛地研究,其以无监督的方式将数据按照相似性划分为不同的类别.特征学习是聚类任务中一个关键步......
因为在处理有问题的标记和捕获标记之间的高阶相关性上的有效性,标记嵌入(LE)已经被成功应用在很多领域。LE会先将原始标记嵌入到......
从视频中自动识别出动作的类别是视频理解中非常重要的部分。大多数现有的方法专注于设计更加有辨别力的特征表述,而且在样本充足......
现有的多视角降维方法多数假设数据是完整的,但该假设在实际应用中难以实现。为解决不完整多视角数据降维问题,提出一种新的不完整......
从模式分类的角度出发,提出一种监督的局部保持典型相关分析(SLPCCA),通过最大类内成对样本与其近邻间的权重相关性,因而能有效利......
期刊
最大间距准则(MMC)的目的是在克服小样本问题的同时,寻求一组最佳鉴别矢量使得投影变化后的特征空间的类间散度最大,而且类内散度......
局部保持流形学习算法通过保持局部邻域特性来挖掘隐藏在高维数据中的内在流形结构。然而,对于缺乏足够训练样本的高维数据集,或者......
为解决多模数据的分类问题,局部化思想被引入到判别分析中,称为局部判别分析.该文以人工数据为例深入分析了近年来提出的较为成功......
针对在线学习中的算法效率问题,提出了一种增量式类内局部保持降维算法。该算法综合考虑了基于QR分解的降维算法与保类内Fisher判......
未充分利用大量未标注样本的非监督信息是监督的、优化的局部保持投影(简称SOLPP)在人脸识别应用中的主要问题。为此提出一种用于......
为了对高维数据进行降维处理，提出了半监督学习的边缘判别嵌入与局部保持的维度约简算法．通过最小化样本与其所属类别的中心点之间的......
特征选择是在损失较少信息的情况下处理高维图像数据的关键技术,是高维数据预处理的重要步骤.通过引入Fisher判别分析(Fisher Disc......
针对多数流形学习算法是基于单一流形的假设,当高维数据集中存在多个流形,流形学习算法可视化效果差问题,借鉴流形曲面在二维平面......
动作识别领域需要识别的类别越来越多,这使得标注足够多的训练数据越来越难.零样本学习是针对传统机器学习收集和标注数据日益困难......
鉴于传统的线性判别分析(LDA)算法未考虑数据从高维空间嵌入到低维子空间中样本之间的相似性,导致该算法在处理非高斯分布数据时不......
利用最大间距准则(MMC)寻求一组最佳鉴别矢量,使投影变化后的特征空间的类间散度最大,类内散度最小,并克服小样本问题。与原MMC相......
字典学习（DL）方法近年来被广泛应用于解决各种计算机视觉领域的问题.现有的大部分字典学习算法均旨在学习一个综合型字典来表示输入......
传统的降维方法,追求最低的识别错误率,假设不同错分的损失相同。在一些实际应用中,这一假设可能是不成立的。例如,在基于人脸识别......
为了获取隐藏在高维数据中的有用信息,线性子空间学习方法往往被用来降低这些数据的维数。然而,很多现有的线性子空间学习算法对噪......
从模式识别的角度出发,在局部保持典型相关分析的基础上,提出一种有监督的局部保持典型相关分析算法(SALPCCA)。该方法在构造样本......
线性判别分析是一种应用广泛的降维技术,传统的线性判别分析算法是假设输入的数据呈高斯分布,但它并没有考虑数据从高维空间嵌入到......
基于广义相关性度量最大化的思想,将典型相关分析(CCA)推广到多个数据集上,即多重集典型相关分析(MCCA),所以MCCA研究的是多个数据......
随着数字多媒体、互联网技术及电子商务的飞速发展,图像给人们的生产与生活带来了极大的便利。但是图像数据库中的海量数据及图像......
稀疏表示分类中的字典选择至关重要，为了用较少的字典原子更好地表示原始训练样本的局部信息，并且使学习出的字典更加具有判别信息，提......
为了利用核技巧提高分类性能,在局部保持的稀疏表示字典学习的基础上,提出了两种核化的稀疏表示字典学习方法.首先,原始训练数据被......
