联合线性重构与非负稀疏表示的标记分布学习算法

彭兴; 李婵; 吴其林; 程一元

首页> 中文期刊> 《巢湖学院学报》 >联合线性重构与非负稀疏表示的标记分布学习算法

联合线性重构与非负稀疏表示的标记分布学习算法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对标记分布学习涉及到样本的特征相关性信息及数据可能存在异常和噪声值的情况,结合样本的自我表示性质和样本与标记之间的相关性建立模型,提出联合线性重构与非负稀疏表示的标记分布学习算法(LRNSR-LDL)。首先用特征的自我表示属性,建立样本特征空间之间的线性关系,得到线性重构后的特征相似空间;然后利用特征和标记之间的相关性,通过非负稀疏矩阵分解将标记分布用特征相似空间表示,并分别用损失函数建立优化模型;最后引入l_(2,1)-范数约束,降低离群点的不良影响,同时增加模型的泛化能力。提出算法与现有的3种标记分布学习算法在6个真实数据集上进行对比实验,并分别用5种距离和相似性指标进行评价,最终的实验结果显示提出的LRNSR-LDL算法具有一定的优势。

著录项

来源
《巢湖学院学报》 |2022年第3期|97-103|共7页
作者
彭兴; 李婵; 吴其林; 程一元;
展开▼
作者单位

巢湖学院信息工程学院;

巢湖学院数学与统计学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类自动推理、机器学习;
关键词
标记分布学习; 线性重构; 非负稀疏表示; l2-范数;

相似文献

中文文献
外文文献
专利

1. 基于非负矩阵分解与稀疏表示的多标签分类算法 [J] . 包永春 ,张建臣 ,杜守信 . 计算机应用 . 2022,第5期
2. 基于非负稀疏表示的标签繁殖算法 [J] . 杨南海 ,桑媛媛 ,赫然 . 大连理工大学学报 . 2012,第002期
3. 基于字典学习快速算法稀疏表示机械振动信号的压缩测量重构 [J] . 郭俊锋 ,何健 . 机械设计与制造工程 . 2021,第006期
4. 基于线性谱聚类超像素分割和联合稀疏表示的高光谱图像分类算法 [J] . 魏宏超 ,王永丽 ,丁晓云 . 山东科技大学学报:自然科学版 . 2022,第4期
5. 一个求线性代数方程组非负解的算法及其在线性规划中的应用 [J] . 张连生 . 应用数学与计算数学学报 . 1993,第002期
6. 基于非负—平滑约束的高光谱稀疏表示目标检测算法研究 [C] . LIAO Jiajun ,廖佳俊 ,LIU Zhigang . 第十二届国家安全（军事）地球物理学术研讨会 . 2016
7. 基于非负稀疏表示及近邻局部结构的多标签学习方法研究 [A] . 徐丹洋 . 2015

联合线性重构与非负稀疏表示的标记分布学习算法

摘要

著录项

相似文献

相关主题

期刊订阅