共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于L21范数的正则化非负矩阵分解算法显示文摘非负矩阵分解(Nonnegative Matrix Factorization,NMF)给矩阵分解加了非负的约束条件,其分解的子矩阵更容易解释。传统的NMF算法使用基于L2范数的优化目标,不容易识别非线性分布的数据结构。为了解决这一问题,提出一种基于L21范数的正则化非负矩阵分解算法,将非负矩阵分解的目标函数写成L21范数的形式,并在目标函数中加入图正则化项,使其能更好地处理复杂的非线性数据。最后,使用基准数据集,在聚类任务上测试所提出算法的性能。实验结果表明,所提出的算法可以提取数据的关键特征,获得原始数据的低维表示,产生更好的聚类结果。 | 李成 赵海琳 | 2019 | 控制工程2019，，9： | 1 |
| 2 | 基于L2,1范数和局部约束的非负矩阵分解显示文摘给出了一种基于L2,1范数和局部约束的非负矩阵分解方法,降低了对原始数据中噪声和异常值的敏感程度,分析了该方法的严格收敛性,通过多个数据集上的实验结果验证该算法的有效性。 | 文学春 向远强 | 2023 | 新乡学院学报2023，40，3： | 0 |
| 3 | 基于边缘增长的协同训练方法显示文摘为保证分类器间的差异性,同时提高子分类器自身性能,提出一种新的基于边缘样本增长的半监督集成学习方法——边缘协同森林(M-Co-Forest)。当从未标记样本中选取伪标记样本时,不仅考虑未标记样本的标记置信度,同时考虑未标记样本在已标记样本中的位置。只有处于当前分类器训练样本边缘且置信度高于预设阈值的样本才能被赋予伪标签,加入下一轮学习。同时,利用噪音学习理论指导训练过程,当伪标记样本的数量不足以进一步提升分类器性能时,停止迭代。多个UCI数据集和CTG数据上的实验结果表明M-Co-Forest的性能优于对比算法。 | 刘紫阳 高占宝 李绪隆 | 2018 | 仪器仪表学报2018，39，3： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员