开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-03-12
详细说明：学习高维数据的稀疏表示是对数据建模的最新方法。 基于矩阵分解的技术，例如非负矩阵分解和概念分解（CF），在该领域已显示出巨大的优势，尤其对图像表示很有用。 它们都是线性学习问题，导致图像的稀疏表示。 但是，通过这些方法获得的稀疏性并不总是满足局部性条件。 例如，学习到的新的基向量可以相对远离原始数据。 因此，当将新的表示形式用于其他学习任务（例如分类和聚类）时，我们可能无法获得最佳性能。 在本文中，我们将局部性约束引入到传统CF中。 通过要求概念（基本矢量）尽可能接近原始数据点，每个数据可以由仅几个基本概念的线性组合表示。 因此，我们的方法能够同时实现稀疏性和局部性。 我们分析了我们新算法的复杂性，并通过基于现实世界应用程序的一组评估，证明了与最新技术方法相比的有效性。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
