【英文题名】
Research on Graph-based Dimensionality Reduction and Its Applications
【作者】
乔立山 ;
【导师】
陈松灿 ;
【学位授予单位】
南京航空航天大学 ;
【学科专业名称】
计算机应用技术
【学位年度】
2009
【论文级别】
博士
【网络出版投稿人】
南京航空航天大学
【网络出版投稿时间】
2011-10-21
【关键词】
降维 ;
图学习 ;
稀疏表示 ;
局部保持投影 ;
稀疏保持投影 ;
软局部保持投影 ;
同时降维与图更新框架 ;
人脸识别 ;
【英文关键词】
Dimensionality reduction ;
graph learning ;
sparse representation ;
locality preserving projections ;
sparsity preserving projections ;
simultaneous dimensionality reduction and graph updating framework ;
face recognition ;
【中文摘要】
高维数据的涌现是模式识别面临的极大挑战,降维技术已成为处理高维数据,克服“维数灾难”的重要途径。研究表明多数降维方法可归结于图的构造及其嵌入方式。然而,现有许多典型的降维算法均依赖于人工预定义的近邻图,如局部保持投影(LPP)及其变体。虽然这类算法在很多实际问题中取得了良好性能,但存在诸如近邻参数选择、噪声敏感、判别力不足、无法自然地合并领域先验等一系列问题。本文围绕图的构建与优化对降维方法进行了研究,主要贡献有:
(1)对全局保持和局部性保持(降维)策略的重新认识与评价。以几种典型的局部保持降维算法为例,通过与全局降维方法的对比,获得了一系列新的洞察(特别是,局部保持策略的不足)。进而,从图的构造角度分析了其深层原因,并给出了具体的改进策略和建议。这一方面,澄清了最近某些方法对局部和全局保持策略的误解,为模型选择提供了依据;另一方面,说明现有局部保持降维方法存在很大提升空间,成为本文研究工作的重要动机之一。
(2)首次将稀疏表示引入图的构造,设计了稀疏保持投影(SPP)算法。由于采用全局策略构图,SPP在一定程度上克服了局部保持降维方法中近邻参数选择的困难;而SPP隐含的“近邻”通过l 1优...
【英文摘要】
The high dimensionality of data is one of the main challenges faced by the current pattern recognition techniques. Dimensionality reduction (DR) has become an important tool to handle high-dimensional data and overcome the“curse of dimensionality”. Recent researches showed that most of the DR algorithms can generally reduce to graph construction and its embedding manners. However, many existing graph-based DR methods rely on artificially pre-defined neighborhood graph, e.g., locality preserving projections ...
【更新日期】
2012-07-02
【相同导师文献】
导师：陈松灿 导师单位：南京航空航天大学 学位授予单位：南京航空航天大学机器学习伪善攻防研究 [D]. 南京航空航天大学,2022下游任务引导的自监督特征自适应提取方法研究 [D]. 南京航空航天大学,2022基于单簇聚类的多视图异常检测算法的研究 [D]. 南京航空航天大学,2021关于深度学习中一些策略泛化性能的研究 [D]. 南京航空航天大学,2021基于张量重塑的多视图离群点检测算法的研究 [D]. 南京航空航天大学,2021二视图随机森林研究 [D]. 南京航空航天大学,2021面向推荐系统的图卷积网络 [D]. 南京航空航天大学,2020基于循环神经网络的非平稳多变量时间序列预测 [D]. 南京航空航天大学,2020利用特征交叉与图结构的推荐算法研究及应用 [D]. 南京航空航天大学,2020基于概率图模型的天气预测研究 [D]. 南京航空航天大学,2019
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
