您的位置： 专家智库 > >

张涛

作品数：2 被引量：9H指数：1
供职机构：云南师范大学数学学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇双随机矩阵
  • 1篇特征提取
  • 1篇稳定性
  • 1篇线性判别分析
  • 1篇鲁棒
  • 1篇鲁棒性
  • 1篇矩阵
  • 1篇聚类
  • 1篇FISHER...
  • 1篇FISHER...
  • 1篇FISHER...
  • 1篇L1

机构

  • 2篇云南师范大学

作者

  • 2篇胡恩良
  • 2篇张涛

传媒

  • 1篇计算机应用研...
  • 1篇计算机工程与...

年份

  • 1篇2019
  • 1篇2018
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
一种新的L_1度量Fisher线性判别分析研究被引量：8
2018年
Fisher线性判别分析(Fisher Linear Discriminant Analysis,FLDA)是一种典型的监督型特征提取方法,旨在最大化Fisher准则,寻求最优投影矩阵。在标准Fisher准则中,涉及到的度量为L_2范数度量,此度量通常缺乏鲁棒性,对异常值点较敏感。为提高鲁棒性,引入了一种基于L_1范数度量的FLDA及其优化求解算法。实验结果表明:在很多情形下,相比于传统的L_2范数FLDA,L_1范数FLDA具有更好的分类精度和鲁棒性。
余景丽胡恩良张涛
关键词：FISHER线性判别分析FISHER准则鲁棒性特征提取
图优化的低秩双随机分解聚类被引量：1
2019年
低秩双随机矩阵分解聚类(low-rank doubly stochastic matrix decomposition for cluster analysis,DCD)通过最小化KL(Kullback-Leibler)散度准则:KL(A,S),从图关联矩阵S中获得一个非负低秩双随机矩阵分解:A=UUT(U≥0),并以U作为类标签矩阵进行聚类。在DCD方法中,因矩阵S是固定不可变的,故S初始取值选取的好坏对聚类结果有极大影响,这导致了它缺乏稳定性。针对这一问题,提出了一种基于图优化的DCD方法,将图关联矩阵S和DCD的优化集成在统一框架中,这改进和拓展了原始的DCD方法。实验结果表明,与DCD方法相比,图优化的DCD方法具有更好的聚类精确度和稳定性。
张涛胡恩良余景丽
关键词：稳定性聚类
全选 清除 导出
共1页<1>
聚类工具0