电大理工2024，Issue(3) ：8-12,36.DOI:10.19469/j.cnki.1003-3297.2024.03.0008

流形学习样本外点问题解决方法的比较研究

黄红兵
电大理工2024，Issue(3) ：8-12,36.DOI:10.19469/j.cnki.1003-3297.2024.03.0008
✕
  • 维普
  • 万方数据

流形学习样本外点问题解决方法的比较研究

黄红兵1
扫码查看

作者信息

  • 1. 广西医科大学,广西南宁 530021
  • 折叠

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.

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

引用本文复制引用

出版年

2024
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
段落导航相关论文