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:
Hessian LLE算法是一种经典的流形学习算法,但该方法是以批处理的方式进行的,当新的数据点加入时,必须重新运行整个算法,计算所有数据点低维嵌入,原来的运算结果被全部丢弃.鉴于此,提出了一种保持局部邻域关系的增量Hessian LLE(LIHLLE)算法,该方法通过保证流形新增样本点在原空间和嵌入空间局部邻域的线性关系不变,用其已有邻域点的低维坐标线性表示新增样本点,来得到新增点的低维嵌入,实现增量学习.在Swiss roll with hole和frey_rawface数据集上的实验表明,该方法简便、有效可行.
推荐文章
增量Hessian LLE算法研究
维数约简
流形学习
增量学习
Hessian LLE算法
基于邻域关系的知识粒度增量式属性约简算法
粗糙集
增量式学习
邻域关系
知识粒度
属性约简
基于特征子空间邻域的局部保持流形学习算法
正约束
特征子空间
局部保持
流形学习
小世界邻域优化的局部线性嵌入算法
局部线性嵌入
降维
小世界邻域
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 保持局部邻域关系的增量Hessian LLE算法
来源期刊 计算机科学 学科 工学
关键词 流形学习 Hessian LLE 增量学习
年,卷(期) 2012,(4) 所属期刊栏目 人工智能
研究方向 页码范围 217-219,226
页数 分类号 TP391.4
字数 3852字 语种 中文
DOI 10.3969/j.issn.1002-137X.2012.04.050
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 李德玉 山西大学计算机与信息技术学院 83 753 12.0 24.0
2 高翠珍 山西大学计算机与信息技术学院 2 8 2.0 2.0
3 胡建龙 山西大学计算机与信息技术学院 5 36 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (60)
参考文献  (8)
节点文献
引证文献  (6)
同被引文献  (8)
二级引证文献  (0)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(6)
  • 参考文献(2)
  • 二级参考文献(4)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
流形学习
Hessian LLE
增量学习
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导