基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高斯过程隐变量模型是近年来新兴的无监督降维方法,它可以找到高维数据的低维流形结构.但是由于高斯过程隐变量模型是无监督的概率降维方法,所以当数据集中的样本有类别标记信息时,高斯过程隐变量模型不能利用这些监督信息,实现分类的任务.为了使高斯过程隐变量模型可以处理分类任务,文中提出了一种监督的高斯过程隐变量模型分类模型.通过最大化后验似然的方法确定观测数据在隐空间的坐标,同时可以完成分类任务.实验结果证明了该模型可以有效地用于分类.
推荐文章
一种基于高斯混合模型的运动目标检测改进算法
运动目标检测
高斯混合模型
加权值
鲁棒性
一种基于高斯模型的运动目标检测算法
运动目标检测
高斯模型
图像分割
一种新的混合高斯模型的学习算法
混合高斯模型
背景模型
学习算法
一种基于隐马尔可夫模型的目标轨迹跟踪算法
目标轨迹跟踪
隐马尔可夫模型
维特比译码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于高斯隐变量模型的分类算法
来源期刊 计算机学报 学科 工学
关键词 高斯过程 监督学习 降维 线性判别分析
年,卷(期) 2012,(12) 所属期刊栏目 短文
研究方向 页码范围 2661-2667
页数 7页 分类号 TP181
字数 5263字 语种 中文
DOI 10.3724/SP.J.1016.2012.02661
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高新波 西安电子科技大学电子工程学院 176 3425 27.0 52.0
2 李洁 西安电子科技大学电子工程学院 51 747 14.0 26.0
3 王秀美 西安电子科技大学电子工程学院 7 31 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (12)
同被引文献  (15)
二级引证文献  (10)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(5)
  • 引证文献(5)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(9)
  • 引证文献(4)
  • 二级引证文献(5)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高斯过程
监督学习
降维
线性判别分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机学报
月刊
0254-4164
11-1826/TP
大16开
中国科学院计算技术研究所(北京2704信箱)
2-833
1978
chi
出版文献量(篇)
5154
总下载数(次)
49
相关基金
中国博士后科学基金
英文译名:China Postdoctoral Science Foundation
官方网址:http://www.chinapostdoctor.org.cn/index.asp
项目类型:
学科类型:
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导