国家教育部博士点基金(20101401110002)
- 作品数：3 被引量：7H指数：1
- 相关作者：梁吉业高小方高嘉伟杨静常瑜更多>>
- 相关机构：山西大学教育部更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 一种基于Seeds集和成对约束的半监督聚类算法被引量：7
- 2012年
- 半监督聚类研究如何利用少量的监督信息来提高聚类性能,目前已经成为机器学习领域的一个研究热点.现有的大多数半监督聚类方法没有综合考虑Seeds集和成对约束这两种监督信息,因而提出了一种基于Seeds集和成对约束的半监督聚类算法.该算法运用Tri-training算法扩充Seeds集,结合成对约束优化Seeds集并指导聚类过程.实验结果表明,该算法能够有效提高聚类性能.
- 常瑜梁吉业高嘉伟杨静
- 关键词：半监督聚类
- 基于等维度独立多流形的DC-ISOMAP算法
- 2013年
- 流形学习已经成为机器学习与数据挖掘领域的一个重要的研究课题。目前的流形学习算法都假设所研究的高维数据存在于同一个流形上,并不能支持或者应用于大量存在的采样于多流形上的高维数据。本文针对等维度的独立多流形提出了DC-ISOMAP算法。该算法首先通过从采样密集点开始扩展切空间的方法将多流形准确分解为单个流形,并逐个计算其低维嵌入,然后基于各子流形间的内部位置关系将其低维嵌入组合起来,得到最终的嵌入结果。实验结果表明,该算法在人造数据和实际的人脸图像数据上都能有效地计算出高维数据的低维嵌入结果。
- 高小方梁吉业
- 关键词：流形学习
- 基于等维度独立多流形的DC-ISOMAP算法
- 2013年
- 流形学习已经成为机器学习与数据挖掘领域的一个重要的研究课题。目前的流形学习算法都假设所研究的高维数据存在于同一个流形上,并不能支持或者应用于大量存在的采样于多流形上的高维数据。本文针对等维度的独立多流形提出了DC-ISOMAP算法。该算法首先通过从采样密集点开始扩展切空间的方法将多流形准确分解为单个流形,并逐个计算其低维嵌入,然后基于各子流形间的内部位置关系将其低维嵌入组合起来,得到最终的嵌入结果。实验结果表明,该算法在人造数据和实际的人脸图像数据上都能有效地计算出高维数据的低维嵌入结果。
- 高小方梁吉业
- 关键词：流形学习
