原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于高斯隐变量模型的分类算法-计算机学报
第卷第期 计 算 机 学 报
３５ １２
Ｖｏｌ．３５Ｎｏ．１２
年月
２０１２１２ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ Ｄｅｃ．２０１２
一种基于高斯隐变量模型的分类算法
王秀美高新波李洁
（西安电子科技大学电子工程学院西安 ）
７１００７１
摘要 ，
高斯过程隐变量模型是近年来新兴的无监督降维方法它可以找到高维数据的低维流形结构但是由于
．
高斯过程隐变量模型是无监督的概率降维方法所以当数据集中的样本有类别标记信息时高斯过程隐变量模型
， ，
不能利用这些监督信息，实现分类的任务为了使高斯过程隐变量模型可以处理分类任务，文中提出了一种监督的
．
，
高斯过程隐变量模型分类模型通过最大化后验似然的方法确定观测数据在隐空间的坐标同时可以完成分类任
．
务实验结果证明了该模型可以有效地用于分类
． ．
关键词 ； ； ；
高斯过程监督学习降维线性判别分析
中图法分类号 号： ／
ＴＰ１８１ 犇犗犐１０．３７２４ＳＰ．Ｊ．１０１６．２０１２．０２６６１
犃犖犲狑犆犾犪狊狊犻犳犻犮犪狋犻狅狀犃犾狅狉犻狋犺犿
犵
犅犪狊犲犱狅狀犌犪狌狊狊犻犪狀犘狉狅犮犲狊狊犔犪狋犲狀狋犞犪狉犻犪犫犾犲犕狅犱犲犾
ＷＡＮＧＸｉｕＭｅｉＧＡＯＸｉｎＢｏＬＩＪｉｅ
（ ， ， ）
犛犮犺狅狅犾狅犈犾犲犮狋狉狅狀犻犮犈狀犻狀犲犲狉犻狀犡犻犱犻犪狀犝狀犻狏犲狉狊犻狋犡犻′犪狀７１００７１
犳 犵 犵 狔
犃犫狊狋狉犪犮狋Ｇａｕｓｓｉａｎｒｏｃｅｓｓｌａｔｅｎｔｖａｒｉａｂｌｅｍｏｄｅｌｉｓａｎｅｗｒｏｂａｂｉｌｉｓｔｉｃａｒｏａｃｈｆｏｒｄｉｍｅｎｓｉｏｎａｌｉｔ
ｐ ｐ ｐｐ ｙ
ｒｅｄｕｃｔｉｏｎ．Ｉｔｃａｎｏｂｔａｉｎａｌｏｗｄｉｍｅｎｓｉｏｎａｌｍａｎｉｆｏｌｄｏｆａｄａｔａｓｅｔｉｎａｎｅｎｔ
文档评论（0）