广义多线性混合效应模型

• 作者: 李超 窦峥 郭黎利
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 广义线性模型 张量分解 特征提取 多数据集学习 超图模型
• 年，卷（期）: 2018,（5）
• 页码范围: 934-940
• 页数: 7页
• 分类号: TP181
• 字数: 5857字
• 语种: 中文
• DOI: 10.11990/jheu.201611021

摘要

为了解决多数据集间联合特征提取时数据分布多样、集间相关性结构复杂和共享特征方法多样的问题,本文提出了广义多线性混合效应模型.作为一种非监督多数据集特征提取方法,本算法可挖掘多个数据集之间的共享信息,实现对多数据集全局、局部和个体特征的提取.本算法利用了传统的广义线性模型,使其可以处理不同分布的张量数据集;并提出了一种基于超图的关系模型.该模型利用关系矩阵可以实现对数据集间相关结构的建模;通过提出辅助模式的概念,实现了特征的自动归类.数值实验结果表明:利用本算法提取的特征不仅反映了多数据集间的共同与个体信息,并且在人脸识别和推荐系统等问题中性能优于传统算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭黎利	哈尔滨工程大学信息与通信工程学院	227	1481	19.0	25.0
2	窦峥	哈尔滨工程大学信息与通信工程学院	32	110	6.0	8.0
3	李超	哈尔滨工程大学信息与通信工程学院	45	148	8.0	10.0