首页> 中国专利> 无监督非线性自适应流形学习方法

无监督非线性自适应流形学习方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种无监督非线性自适应流形学习方法。本发明一种无监督非线性自适应流形学习方法，包括：扩展近邻点；合并近邻点；根据以上所述，定义目标函数：其中α是权衡参数可以通过调整α的值来灵活地调整算法中这两个考虑因素之间的平衡；显然，当α的值为一个相对较小的值时，该公式将更加关注全局成对距离误差，并且当α取较大值时，该公式更多地考虑局部拓扑关系；xj∈MNN(xi)意味着在使用上面的自适应邻居方法后，xj是xi的近邻点；通过优化以下问题来获得重建权重矩阵W。本发明的有益效果：本算法巧妙的结合了LLE和isomap算法的优点，同时考虑局部和全局特征，能够对高维数据进行全面而有效的特征提取。

著录项

公开/公告号CN109961088A

专利类型发明专利
公开/公告日2019-07-02

原文格式PDF
申请/专利权人苏州大学;
展开▼

申请/专利号CN201910114146.1
发明设计人王邦军;高家俊;李凡长;张莉;
展开▼

申请日2019-02-13
分类号G06K9/62(20060101);
代理机构32257 苏州市中南伟业知识产权代理事务所(普通合伙);
代理人郭磊
地址 215000 江苏省苏州市相城区济学路8号
入库时间 2024-02-19 11:14:07

法律信息

法律状态公告日

法律状态信息

法律状态
2019-07-26

实质审查的生效 IPC(主分类):G06K9/62 申请日:20190213

实质审查的生效
2019-07-02

公开

公开

相似文献

专利
中文文献
外文文献

1. 无监督非线性自适应流形学习方法 [P] . 中国专利： CN109961088B . 2020.09.29
2. 一种基于泛化域自适应的无监督联邦学习方法 [P] . 中国专利： CN113420888A . 2021-09-21
3. Unsupervised and supervised machine learning approaches to detecting bots and other types of browsers [P] . US11138463B1 . 2021-10-05

机译：无监督和监督的机器学习方法检测机器人和其他类型的浏览器
4. Semi-supervised system for multichannel source enhancement through configurable unsupervised adaptive transformations and supervised deep neural network [P] . 美国专利： US10347271B2 . 2019-07-09

机译：通过可配置的无监督自适应变换和有监督的深度神经网络进行多通道源增强的半监督系统
5. Method for unsupervised sequence learning using reinforcement learning and neural networks [P] . US11030530B2 . 2021-06-08

机译：使用钢筋学习和神经网络的无监督序列学习方法