基于监督学习的核拉普拉斯特征映射分类方法任务书

 2022-08-20 19:54:16

1. 毕业设计(论文)的内容、要求、设计方案、规划等

降维方法是处理高维数据的一个重要手段,数据的降维处理方面已经有了大量的研究工作。

降维的主要目的是将原始数据对应的高维空间数据映射至低维空间的流形,前提是尽可能的保证数据间的几何关系和距离测度不变。

这样不仅能在以后的相关计算中减少许多数据量,而且也去除了大数据量的冗余信息,从而提高识别的精度和时间效率。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 参考文献(不低于12篇)

王和勇, 郑 杰, 姚正安, 李 磊. 基于聚类和改进距离的LLE方法在数据降维中的应用[ J]. 计算机研究与发展, 2006, 43( 8): 1485-1490

文贵华、江丽君, 文 军. 基于邻域优化的局部线性嵌入[ J]. 系统仿真学报, 2007, 19( 13): 3119-3122.

文贵华, 江丽君, 文 军. 邻域参数动态变化的局部线性嵌入[ J]. 软件学报, 2008, 19( 7): 1666-1673.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

发小红书推广免费获取该资料资格。点击链接进入获取推广文案即可: Ai一键组稿 | 降AI率 | 降重复率 | 论文一键排版