邻域选择相关论文
近年来,随着多标签学习问题越来越多的出现在实际应用场景中,对多标签问题的研究已逐渐成为涉及领域内的关注热点。随着多标签领域......
卷积神经网络(CNN)已经在图像数据的特征表示方面取得了巨大成功,近几年在图数据挖掘领域也得到广泛关注,出现了图卷积网络(Graph ......
针对多模态过程数据密度不规则性提出的一类基于密度的方法，大多是以欧式距离为基础来比较彼此间的相似性，从而检测过程是否发生故障......
由于马尔科夫随机场（Markov Random Fields,MRF）区域标识模型的滤波效应,在合成孔径雷达（SAR）图像处理过程中,细节结构会被部分保留或......
采用基于非线性动力学系统的局部投影非线性降噪理论，研究了水声信号的非线性降噪问题，并对传统的局部投影算法进行了改进。采用自适......
流形学习是将高维空间的非线性数据映射到低维空间。已有的流形学习方法都是在合适的邻域上进行的,因此,邻域大小的选择是流形学习......
为克服边界Fisher判别分析(MFA)只利用少量有标记样本和构建邻域不能充分反映流形学习对邻域要求的缺点,提出一种基于局部线性结构......
近邻传播算法是一种快速有效的聚类方法.针对近邻传播算法在无先验知识条件下偏向参数选择的问题,使用Silhouette聚类有效性指标确......
针对半监督分类过程中使用欧式距离选择样本的邻节点不能很好适应噪音或稀疏数据,导致算法分类精度下降问题,提出一种基于相对变换......
在图像分割中,传统Markov随机场(MRF)模型基于固定形状邻域,不能完全描述边缘结构等细节信息。为此,提出一种新的MRF线型可变邻域......
文中提出一种基于邻域投票和改进的Harris-SIFT特征的低空遥感影像匹配方法。首先用NMS算法提取多尺度的Harris-SIFT特征并对其进......
聚焦于具有Hub的网络结构学习问题。在邻域选择框架下,基于Hub网络的特点在模型中加入L1和L2正则子,从而分别引入网络的稀疏性先验......
近年来,复杂网络引起各个学科的学者的广泛关注,包括社会学,统计物理学,生物学,统计学等学科。无标度网络更能形象地展示现实世界......
维数灾难是机器学习算法在高维数据上学习经常遇到的难题,基于局部敏感判别分析(locality sensitive discrimi-nant analysis,LSDA......
针对生物地理学优化算法(BBO)易发生早熟收敛,陷入局部最优的问题,提出一种基于邻域引力学习的生物地理学优化算法(NFBBO)。该算法......
随着成像传感器技术和互联网技术的飞速发展，人们的日常生活中充斥着各式各样的图像信息。如何有效地组织和管理海量信息，快速检索用......
微分同胚是一种光滑可逆的变换,在MRI图像配准中可以保证图像形变后的拓扑结构保持不变,同时避免出现不合理的物理现象。为了在空......
提出一种基于流形距离的局部线性嵌入算法,以流形距离测度数据间的相似度,选择各样本点的近邻域,解决了欧氏距离作为相似性度量时......
在多模数据分类中，使用局部Fisher判别分析和边界Fisher分析方法构建邻域不能充分反映流形学习对邻域的要求。为此，提出一种基于自适......
针对传统邻域选择方法不能根据流形样本密度和弯曲度合理选择邻域的缺点,提出了一种有序自适应的邻域选择算法.该算法从流形上曲率......
