找回密码
 注册
关于网站域名变更的通知
查看: 491|回复: 1
打印 上一主题 下一主题

[毕业设计] 基于稀疏贝叶斯的流形学习

[复制链接]

该用户从未签到

跳转到指定楼层
1#
发表于 2021-3-29 09:18 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

EDA365欢迎您登录!

您需要 登录 才可以下载或查看,没有帐号?注册

x

* d2 b. ?8 _) i% l" o/ Z' d" S4 Z$ \' J. i7 j6 Q- c! n8 z
摘要:针对当前监督学习算法在流形数据集上分类性能的缺陷,如分类精度低且稀疏性有限,本文在稀疏贝叶斯方法和流行正则化框架的基础上,提出一种稀疏流形学习算法(Manifold Learning Based on Sparse Bayesian Ap-proach,MLSBA).该算法是对稀疏贝叶斯模型的扩展,通过在模型的权值上定义稀疏流形先验,有效利用了样本数据的流形信息,提高了算法的分类准确率.在多种数据集上进行实验,结果表明:MLSBA不仅在流形数据集上取得良好的分类性能,而且在非流形数据集上效果也比较好;同时算法在两类数据集上均具有良好的稀疏性能.
7 p  {9 S% J( M0 m2 w( r6 m6 _) @) ?+ b5 a; l6 o

5 F+ @' B7 H' t; Q3 k. @' E* Z: E" b+ X/ x7 S1 R  z7 ^! f
关键词:拉普拉斯;稀疏贝叶斯;稀疏流形先验;流形正则化
- M6 V3 q* V$ ^# a4 {8 m* E, ~8 p! F

- }6 B& K- Z4 i, d6 t; @! O, p       在监督学习中,对于给定的样本数据x∈R,希望得到一个可以对样本进行分类或者回归的函数f(x;w).为了得到f(x;w),首先需要给定一个训练数据集T= {(x1,.y1),…,(、,y、)}(其中输入是一个d维向量,x,=[xl,…,Nu]∈ ”,当y;∈R时,对应的是回归问题;当y; el -1 ,1}时,表示研究的是二分类问题);然后在训练数据集上学习得到f(x;w);最后在假定与训练数据服从同样分布的测试数据上对f(x;w)的分类性能进行评估.
: J4 m4 ^5 F, r& V. W+ }0 A8 x0 E* Z
0 ^! h8 N$ J6 n" `
& |) V; T: ]  `& c2 S! G/ C# l9 ?/ q, W4 I: I+ {
基于稀疏贝叶斯的流形学习.pdf (860.48 KB, 下载次数: 0)
" y- g  d; R8 b; w6 D4 m' D! h! C7 I8 B* c/ q1 m  R( y

4 c& L  @. u  j* u
  • TA的每日心情
    开心
    2023-1-3 15:10
  • 签到天数: 2 天

    [LV.1]初来乍到

    2#
    发表于 2021-3-29 10:43 | 只看该作者
    MLSBA不仅在流形数据集上取得良好的分类性能,而且在非流形数据集上效果也比较好;同时算法在两类数据集上均具有良好的稀疏性能
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-7-24 17:53 , Processed in 0.125000 second(s), 26 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表