發(fā)布時間：2021-09-19 20:25

　　為解決基因表達數(shù)據(jù)降維后未必能很好適應(yīng)聚類任務(wù)的問題,提出面向聚類的譜擾動集成降維方法,將集成學(xué)習(xí)思想和基于聚類能力的加權(quán)方法用于降維模型中,在高維數(shù)據(jù)中抽取特征組合生成多個樣本子集,對每個新樣本子集降維,根據(jù)譜擾動理論基于聚類能力學(xué)習(xí)獲得權(quán)重,加權(quán)組合得到最終降維結(jié)果。該方法對特征多次學(xué)習(xí),充分利用高維特征,通過聚類能力更好地集成降維,使降維能夠更好地適應(yīng)聚類任務(wù)。通過實驗驗證了該方法的有效性。 

【文章來源】：計算機工程與設(shè)計. 2020,41(10)北大核心

【文章頁數(shù)】：5 頁

【參考文獻】：
期刊論文
[1]基因表達數(shù)據(jù)的低秩投影最小二乘回歸子空間分割[J]. 陳曉云,肖秉森,林莉媛.  模式識別與人工智能. 2017(02)
[2]基于低秩子空間投影和Gabor特征的稀疏表示人臉識別算法[J]. 楊方方,吳錫生,顧標(biāo)準(zhǔn).  計算機工程與科學(xué). 2017(01)



本文編號：3402278