本文關(guān)鍵詞：基于KLDA的圖核降維方法

  更多相關(guān)文章： 圖分類 圖核 核線性判別分析 降維

【摘要】：圖結(jié)構(gòu)具有較強的表達能力和較高的靈活性,對圖結(jié)構(gòu)數(shù)據(jù)的識別及分類屬于結(jié)構(gòu)模式識別的范疇.對圖結(jié)構(gòu)數(shù)據(jù)的研究思路是將圖結(jié)構(gòu)數(shù)據(jù)通過圖核轉(zhuǎn)化為向量空間中的向量,然后采用傳統(tǒng)的機器學習算法對其進行分析.基于圖結(jié)構(gòu)的數(shù)據(jù)表示與分析已經(jīng)成為機器學習領(lǐng)域的研究熱點.于是提出對經(jīng)典的圖結(jié)構(gòu)分析方法進行擴充,利用核線性判別分析方法(KLDA)對圖核誘導的高維特征空間進行降維,得到與原始圖結(jié)構(gòu)特征空間對應的低維度的特征空間,然后采用傳統(tǒng)的機器學習算法對這些新的數(shù)據(jù)進行分析.在標準數(shù)據(jù)集上的實驗效果驗證了該方法的有效性.
【作者單位】： 解放軍理工大學指揮信息系統(tǒng)學院;
【關(guān)鍵詞】： 圖分類 圖核 核線性判別分析 降維
【基金】：國家自然科學基金(61473149)資助
【分類號】：TP391.41
【正文快照】： Dimensionality reduction method of graph kernel based on KLDAYU Yajun,PAN Zhisong,HU Guyu,MO Xiaoyong,XUE Jiao(College of Command Information System,PLA University of Science and Technology,Nanjing210007,China)0引言模式識別可以分為統(tǒng)計模式識別和結(jié)構(gòu)模式

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 談銳;陳秀宏;;半監(jiān)督的局部保留投影降維方法[J];計算機工程;2012年06期

2 李冬睿;許統(tǒng)德;;自適應鄰域選擇的數(shù)據(jù)可分性降維方法[J];計算機應用;2012年08期

3 何頌華;劉真;陳橋;;基于矩陣R理論的光譜降維方法研究[J];光學學報;2014年02期

4 邱新濤;付冬梅;楊燾;;基于張量的稀疏保持投影降維方法[J];中國科技論文;2013年10期

5 薛寺中;談銳;陳秀宏;;基于核的半監(jiān)督的局部保留投影降維方法[J];計算機應用;2012年08期

6 任克強;張國萍;趙光甫;;基于相對文檔頻的平衡信息增益降維方法[J];江西理工大學學報;2008年05期

7 高小明;馮洋琴;陳菲;;基于鄰近線性表示的降維方法[J];計算機應用研究;2014年08期

8 閆德勤;呂志超;劉勝藍;;一種鄰域線性競爭的排列降維方法[J];計算機應用研究;2014年01期

9 劉瑞華;耿國華;周明全;馮亞;;一種新的等距映射下的降維方法[J];計算機應用與軟件;2008年06期

10 申中華;王士同;潘永惠;;一種改進的支持向量機降維方法[J];計算機應用與軟件;2008年05期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 沙潔;基于加權(quán)殘差最小的流動降維方法研究[D];昆明理工大學;2015年

2 姜鑫維;基于高斯過程的降維方法研究[D];華中科技大學;2012年

3 曾雪強;偏最小二乘降維方法的研究與應用[D];上海大學;2009年

4 黃東;基于流形的降維方法及其在計算機視覺中的應用[D];電子科技大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前8條

1 郝藝達;關(guān)于人臉識別中降維方法的研究[D];長春工業(yè)大學;2016年

2 于耀亮;基于局部幾何關(guān)系的降維方法研究及其在人臉識別中的應用[D];復旦大學;2008年

3 蔡傳晰;基于醫(yī)學數(shù)據(jù)降維方法比較研究[D];合肥工業(yè)大學;2012年

4 李文博;模式識別中幾類降維方法的研究[D];湘潭大學;2013年

5 鄭鵬;投影尋蹤指標小波估計與CDA降維方法[D];西北工業(yè)大學;2006年

6 駱意;一種基于RKHS理論的非線性核降維方法[D];中國科學技術(shù)大學;2015年

7 龐爾平;人臉識別中基于稀疏降維方法的研究[D];吉林大學;2013年

8 韓冬冰;基于局部優(yōu)化投影的人臉識別方法研究[D];東北師范大學;2011年

，

本文編號：545220