流形学习样本外点问题解决方法的比较研究

扫码查看

原文链接

万方数据
维普

中文摘要：流形学习作为一种非线性降维技术，近年来已经在降维、数据可视化、特征提取及数据重构方面取得了许多成功的应用，然而，流形学习用于监督分类时效果却不尽人意，这是因为流形学习用于监督分类时会碰到样本外点问题。该问题能否妥善解决对于流形学习用于监督分类来说至关重要。因此，文章侧重分析了非参数映射、核岭回归、广义回归神经网络这三种典型算法的主要步骤和各自的优缺点，并通过实验进行分析比较，为有监督分类提供有益借鉴。

作者：

黄红兵

展开 >

作者单位：

广西医科大学,广西南宁 530021

关键词：

流形学习样本外点问题非参数映射核岭回归广义回归神经网络监督分类

出版年：

2024

DOI：

10.19469/j.cnki.1003-3297.2024.03.0008

电大理工

辽宁广播电视大学

电大理工

影响因子：0.253

ISSN：1003-3319

年,卷(期)：2024.(3)