基于矩阵分解与自适应图的特征表示学习研究及应用.pdfVIP

基于矩阵分解与自适应图的特征表示学习研究及应用.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：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

摘要

在数据采集技术和互联网技术飞速发展的信息时代，人们极易在实际生活中

捕获海量且高维的数据。然而，高维数据往往包含大量冗余特征以及噪声信息，

给当前的数据挖掘与分析带来了巨大挑战。这就需要对高维数据进行维数约简，

以便学习到最有用的信息，因此，特征表示学习变得至关重要。本文围绕矩阵分

解与自适应图开展深入研究，具体研究内容如下：

（1）提出一种新型的无监督特征提取方法，旨在通过减少高维数据中的冗

余特征和噪声信息对图学习的影响，从而提高特征提取的质量。该方法名为多约

束自适应图学习的

该用户很懒，什么也没介绍

咨询Ta 进入空间

用户编号：7043055023000005

更多 >