基于降维字典学习的高维数据分类策略OA北大核心CSTPCD
为了解决字典学习中的高维数据与非线性问题,提出一种基于降维字典学习的高维数据分类策略。在降维阶段,利用自编码器学习一种非线性映射,该映射可以降维并保留高维数据的非线性结构;在字典学习阶段,利用标签嵌入进行局部约束;在学习过程中,保留了可分解的非线性局部结构,增强了类的区分能力,同时优化了映射函数和字典。在多个基准数据集上的实验结果表明,提出的方法能够有效解决字典学习中的高维数据与非线性问题。
李巧君;李江岱;王爱菊;
河南工业职业技术学院电子信息工程学院,河南南阳473000郑州工程技术学院信息工程学院,河南郑州450000
计算机与自动化
字典学习高维数据局部约束自编码器
《计算机应用与软件》 2024 (009)
P.329-338 / 10
河南省科技攻关项目(212102310086,212102210398);河南省高等职业学校青年骨干教师培养计划(教职成函〔2019〕326号)。
评论