基于对偶图正则化的多层概念分解算法

摘要：

为了进一步挖掘数据间的隐藏信息,在多层概念分解算法的框架下,考虑每一层分解下的数据流形和特征流形,提出了一种基于对偶图正则化的多层概念分解算法.该算法通过对数据的逐层分解,以分层的方式学习,并在每一层分解数据中构建数据空间和特征属性空间的拉普拉斯图,用于反映数据流形和特征流形的多元几何结构信息,从而能够更好地从复杂数据中提取出更有效的特征.采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性.通过在三个真实数据库(TDT2、PIE、COIL20)上的实验表明,该方法在数据的聚类表示效果方面优于其他方法.

关键词：概念分解、多层分解、对偶回归、流形学习、聚类

所属期刊栏目：36

分类号：TP391;TP301.6(计算技术、计算机技术)

资助基金：江苏省自然科学基金资助项目BK20150867;南京邮电大学国家自然科学基金孵化资助项目NY215125

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：636-640