1范数相关论文
迄今,很多人工智能技术已成功应用于人们日常生活中的各个方面,而分类器作为机器学习中一种典型的研究对象,在人工智能理论研究中......
随着高通量测序技术的进步和发展,生物信息数据呈现爆炸式增长。从海量的基因组数据和遗传变异数据中找到有用信息成为巨大挑战。......
矩阵补全是指将含有缺失元素的矩阵填补完全的过程.近年来,矩阵补全已经被广泛的应用到了推荐系统、图像恢复、信任预测等多个领域......
随着互联网和大数据的快速发展,产生了大量的网络数据。入侵检测是确保网络安全和保护网络资源的重要技术,它能够检测出网络系统中......
随着高通量测序技术的飞速发展,大量的生物测序数据被挖掘出来。这些生物测序数据中蕴含着丰富的基因活动信息,对这些信息进行有效......
多模态数据处理一直是机器学习领域的热点问题。在众多领域中,往往积累着大量的多模态数据,这些多模态数据通常维数很高并且含有大......
谱聚类算法受到相似矩阵的影响以及没有使用先验信息,使得聚类结果有很大的局限性.针对这一问题,提出了一种基于L2,1范数和流形正......
传统PCA存在对异常值和特征噪声敏感等问题,基于L2,1范数的PCA算法改进了这些缺点。现有的基于L2,1范数的PCA算法是通过降低矩阵的......
稀疏表示在人脸识别问题上取得了非常优秀的识别结果,但在单样本条件下,算法性能下降严重。为提高单样本条件下稀疏表示的应用能力......
多信道估计时,如果利用信道的稀疏性和多信道的相关性,可以提高信道估计性能。本文利用阵列信道的结构性稀疏特性,提出了一种多路......
鉴于传统属性选择算法无法捕捉属性之间的关系的问题,文中提出了一种非线性属性选择方法。该方法通过引入核函数,将原始数据集投影......
首先对Criminisi算法的优先级进行了改进,将图像的局部亮度方差作为优先级的一个度量因子,使图像的修复顺序更加合理;然后对Crimin......
特征选取和子空间学习是人脸识别的关键问题。为更准确选取人脸中丰富的非线性特征,并解决小样本问题,提出了一种新的L_(2,1)范数......
在模式分类中,基于旋转不变范数的回归分类器(RRC)最近得到广泛的应用.然而RRC的稀疏重构是建立在全体训练样本之上,当训练样本的......
对社会化媒体产生的大量短文本进行聚类分析具有重要的应用价值,但短文本往往具有噪音数据多、增长迅速且数据量大的特点,导致现有......
稀疏表示作为一种基于部分数据的表示,已经吸引了越来越多的关注,并广泛应用于模式识别和机器学习领域。提出一种新的算法,称为稀......
提出了一种基于重构信号和1范数的动目标参数估计方法。该方法利用重构信号与杂波抑制后数据的1范数构造代价函数完成对动目标的参......
基于IEEE 802．1la标准，设计并实现了一个新的解码器方案。方案中采用了软判决解映射；提出了一种并行添零方法；设计了一种全并行的Viter......
地震勘探中多次波的存在会影响速度模型的建立、地震成像效果、反演和解释过程中的介质属性提取等,因此多次波的压制成为至关重要......
为了解决推荐系统的鲁棒性和重构精度问题,文中提出半监督偏好学习算法,通过偏好学习获得潜在偏好,实现推荐.使用l 2,1范数作为优......
近年来,自动编码器被广泛用于跨领域文本分类任务,其中降噪自动编码器可以学到抽象、鲁棒的特征表示,在跨领域学习任务上取得令人......
在生物信息学领域,随着高通量基因组数据的高速发展,采用有效的数据挖掘方法来分析这些数据已被广泛研究和使用。目前,治疗癌症最......
为进一步扩充谱聚类算法的研究空间,提出一种基于ε-邻域和拉普拉斯矩阵秩约束的谱聚类算法。利用ε-邻域对亲和矩阵进行稀疏处理,......
非负矩阵分解(Nonnegative Matrix Factorization)算法能为原始数据找到非负的、线性的矩阵表示且保留了数据的本质特征,已被成功......
大数据时代,利用传统的社区发现算法对大规模复杂网络进行社区结构挖掘显得愈发困难,准确率也较低。因此,提出一种基于平滑l1范数......
基本的非负矩阵分解应用于图像聚类时,对异常点的处理不够鲁棒,稀疏性较差。为了提高分解后的矩阵的稀疏性,在基本的非负矩阵分解......
为解决高维数据在分类时造成的“维数灾难”问题,提出一种新的将核函数与稀疏学习相结合的属性选择算法。具体地,首先将每一维属性......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
随着科学技术的不断发展,尤其是网络传媒工具的普及,大规模数据的分析与处理技术在社会生活和科学研究中占据越来越重要的地位,广......
近年来,随着数据获取能力的不断提高和计算机的飞速发展,人们获得的数据信息越来越多,数据维数越来越高,如何寻找这些海量高维数据......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
本文研究了基于核技巧的L2,1范数非负矩阵分解在图像聚类中的问题.利用基于核的稀疏鲁棒非负矩阵分解方法,获得了算法良好的稀疏性......
针对很多计算机视觉问题中的数据往往具有混合多流形结构,提出一种流形聚类方法.通过对2,1范数采用一种特殊的迭代格式,将结构限制......
常用的回归模型因基于L2范数而对异常数据较为敏感,且算法得到的投影数量受到样本类别数的限制。为解决这些问题,提出了一种基于L1......
对高维数据降维并选取有效特征对分类起着关键作用。针对人脸识别中存在的高维和小样本问题,从特征选取和子空间学习入手,提出了一......
鲁棒主成分分析(Robust PCA,RPCA)模型能从含有稀疏大噪声的数据矩阵中分离出大噪声矩阵和低秩矩阵.RPCA模型适用于很多场景,如批......
学位
鲁棒主成分分析(Robust PCA,RPCA)模型,是一个处理矩阵恢复问题的经典模型。它能把被稀疏大噪声污染的低秩矩阵从观测矩阵中分离出......
学位
生物信息学是近年来一门新型的热点研究学科。生物信息学中的基因表达数据具有高维度、高冗余和类别不平衡等特点,对于机器学习算......
非负矩阵分解是一种经典的数据分析工具被广泛应用于聚类任务中。它在保证对原始矩阵的良好近似前提下,为原始数据找到非负的、线......
在传统的监督学习中,每个对象只隶属于一个标记。然而,在现实世界中,一个对象可能同时与多个标记相关。例如,一幅图像可能同时具有......
随着计算机硬件及采样技术的发展，海量高维数据的获取也变得越来越容易，例如图像与视频数据、文本与网页数据等。那些高维数据不但会......
现如今OFDM技术已经成为多个通讯标准的物理层接入技术,并被视为是第四代移动通信系统的关键技术之一,具越来越有广阔的应用前景。......
针对现有的半监督多标签特征选择方法利用l2-范数建立谱图易受到噪声影响的问题,文中提出一种鲁棒的半监督多标签特征选择方法,利......
为了综合利用流形学习、多任务学习和正则化约束的优势,提出一种基于全局和局部约束的半监督多任务特征选择（semi-supervised multi......
在核范数鲁棒主成分分析的基础上, 利用加权Schatten-p范数和 l2,1 范数重新构造鲁棒的主成分分析问题, 使得原始稀疏正则化、 秩......
