计算机科学 ›› 2009, Vol. 36 ›› Issue (3): 189-192.
• • 上一篇 下一篇
王秀美 高新波
出版日期:
发布日期:
基金资助:
WANG Xiu-mei ,GAO Xin-bo （ School of Electronic Engineering, Xidian University, Xi＇an 710071, China ）
Online:
Published:
摘要： 高斯过程隐变量模型是最近提出的比较流行的无监督降维方法。但是，它是一种无监督的机器学习算法，没有突出类结构，使得结果不能有效地表示类别信息。因此，提出一种利用判别特征值对高斯过程隐变量模型进行加权的算法，该算法不仅能够加强模型在低维流形上的判别性，而且能很好地保持类内的流形结构。
关键词: 高斯过程隐变量模型 因子分析 概率主成分分析 局部Fisher判别分析
Abstract: Gaussian process latent variable model （GPLVM） is a popular manifold method recently proposed for dimensional reduction. However it cannot keep some class structure of datasets for it is an unsupervised learning method. A weighted GPLVM algorithm will be
Key words: Gaussian process latent variable model, Factor analysis, Probabilistic principal component analysis, Local Fisher discriminant analysis
王秀美 高新波. 基于判别特征加权的GPLVM算法[J]. 计算机科学, 2009, 36(3): 189-192. https://doi.org/
WANG Xiu-mei ,GAO Xin-bo （ School of Electronic Engineering, Xidian University, Xi＇an 710071, China ）. [J]. Computer Science, 2009, 36(3): 189-192. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I3/189
Cited
首页