基于稀疏贝叶斯的流形学习

• 作者: 周熙人 江兵兵 陈兵飞 陈欢欢
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 拉普拉斯 稀疏贝叶斯 稀疏流形先验 流形正则化
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 98-103
• 页数: 6页
• 分类号: TP391
• 字数: 5498字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.01.014

摘要

针对当前监督学习算法在流形数据集上分类性能的缺陷,如分类精度低且稀疏性有限,本文在稀疏贝叶斯方法和流行正则化框架的基础上,提出一种稀疏流形学习算法(Manifold Learning Based on Sparse Bayesian Approach,MLSBA).该算法是对稀疏贝叶斯模型的扩展,通过在模型的权值上定义稀疏流形先验,有效利用了样本数据的流形信息,提高了算法的分类准确率.在多种数据集上进行实验,结果表明:MLSBA不仅在流形数据集上取得良好的分类性能,而且在非流形数据集上效果也比较好;同时算法在两类数据集上均具有良好的稀疏性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈兵飞	中国科学技术大学计算机科学与技术学院	1	1	1.0	1.0
2	江兵兵	中国科学技术大学计算机科学与技术学院	2	3	1.0	1.0
3	周熙人	中国科学技术大学计算机科学与技术学院	2	1	1.0	1.0
4	陈欢欢	中国科学技术大学计算机科学与技术学院	9	92	2.0	9.0