![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
poilkj110
这个作者很懒,什么都没留下…
展开
-
基于图的模型
这种半监督学习假设存在一个图G={V,E},其中V节点是有标价和无标记训练实例,无向边E连接实例i,j ,其中权重Wij。图有时被假设为一个潜在流形结构的随机实例,概率为p(x). wij 反映了xi 和xj的相似度。例如高斯边权函数定义wij=exp(−||xi−xj||2/σ2)w_{ij}=exp(-||x_i - x_j || ^2 /\sigma ^2).另一个例子KNN边权定义当两点是近原创 2017-12-22 21:57:56 · 347 阅读 · 0 评论 -
学习l1图做图像分析
1简介:图构造过程决定了哪些基于图导向算法,本文使用有向l1图,其中顶点包含所有样本并分配边权到各个顶点,来描述它l1范数驱动的重构系数。 l1图的优点:对数据噪音更鲁棒,自动稀疏,适应性近邻。 在流形学习上先前工作例如ISOMAP等距映射,局部线性嵌入,和拉普拉斯特征映射,都依赖于图的构造。在子空间学习算法中,主成分分析,线性判别分析和局部保留映射也可以使用图嵌入框架来解释。并且大多数半监督学原创 2018-02-26 15:22:55 · 868 阅读 · 0 评论