推荐星级：
- 1
- 2
- 3
- 4
- 5
基于自编码器及超图学习的多标签特征提取
资料介绍
在实际应用场景中越来越多的数据具有多标签的特性,且特征维度较高,包含大量冗余信息.为提高多标签数据挖掘的效率,多标签特征提取已经成为当前研究的热点.本文采用去噪自编码器获取多标签数据特征空间的鲁棒表达,在此基础上结合超图学习理论,融合多个标签对样本间几何关系的影响以提升特征提取的性能,构建多标签数据样本间几何关系所对应超图的Laplacian矩阵,并通过Laplacian矩阵的特征值分解得到低维投影空间.实验结果证明了本文所提出的算法在分类性能上是有效可行的.
部分文件列表
| 文件名 | 大小 |
| 基于自编码器及超图学习的多标签特征提取.pdf | 698K |
全部评论(0)