-
题名动态增殖流形学习算法
被引量：13
- 1
-
-
作者
曾宪华
罗四维
-
机构
北京交通大学计算机与信息技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2007年第9期1462-1468,共7页
-
基金
国家自然科学基金项目(60373029)
教育部博士学科点基金项目(20050004001)
-
文摘
流形学习的主要目标是发现高维观测数据空间中的低维光滑流形.目前,流形学习已经成为机器学习和数据挖掘领域的研究热点.为了从高维数据流和大规模海量数据集中探索有价值的信息,迫切需要增殖地发现内在低维流形结构.但是,现有流形学习算法不具有增殖能力,并且不能有效处理海量数据集.针对这些问题,系统定义了增殖流形学习的概念,这有利于解释人脑中稳态感知流形的动态形成过程,且可以指导符合人脑增殖学习机理的流形学习算法的研究.以此为指导原则,提出了动态增殖流形学习算法,并在实验中验证了算法的有效性.
-
关键词
流形学习
感知流形
低维流形
局部线性嵌入
增殖流形学习
可视化
-
Keywords
manifold learning
perception manifold
low dimensional manifold
locally linear embedding （LLE）
incremental manifold learning
visualization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名动态增殖流形学习算法在机械故障诊断中的应用
被引量：8
- 2
-
-
作者
宋涛
汤宝平
邓蕾
-
机构
重庆大学机械传动国家重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2014年第23期15-19,29,共6页
-
基金
国家自然科学基金(51275546)
高校博士点专项科研基金(20130191130001)
-
文摘
针对现有的批量式流形学习算法无法利用已学习的流形结构实现新增样本的快速约简的缺点,提出增殖正交邻域保持嵌入(Incremental Orthogonal Neighborhood Preserving Embedding,IONPE)流形学习算法。该算法在正交邻域保持嵌入算法基础上利用分块处理思想实现新增样本子集的动态约简。从原始样本中选取部分重叠点合并至新增样本,对重叠点和新增样本子集不依赖原始样本使用正交邻域保持嵌入(ONPE)进行独立约简获取低维嵌入坐标子集,并基于重叠点坐标差值最小化原则,将新增样本低维嵌入坐标通过旋转平移缩放整合到原样本子集中。齿轮箱故障诊断案例证实了IONPE算法具有良好的增量学习能力,在继承ONPE优良聚类特性的同时有效提高了新增样本约简效率。
-
关键词
增殖流形学习
正交邻域保持嵌入
动态约简
分块处理
故障诊断
-
Keywords
incremental manifold learning
ONPE
dynamic reduction
block processing
fault diagnosis
-
分类号
TH165.3
[机械工程—机械制造及自动化]
-
-
题名基于增量流形学习的语音情感特征降维方法
被引量：5
- 3
-
-
作者
王海鹤
陆捷荣
詹永照
毛启容
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第12期144-146,共3页
-
基金
国家自然科学基金资助项目(60673190
61003183)
江苏省高校自然科学研究基金资助项目(09KJB520002)
-
文摘
非线性流形学习可以准确反映现实非线性数据本质并进行较好的降维,但在语音情感识别过程中难以有效处理不断增加的语音数据集,也不能充分利用训练过程中的情感特征信息。针对上述情况,提出一种基于增量流形学习的语音情感特征降维方法。该方法利用等距映射将训练样本特征维数降至目标维数后,通过增量流形学习的方法分批求得测试样本的低维特征。实验结果表明,相比同类方法,该方法具有较低的运算复杂度和较高的识别率。
-
关键词
语音情感识别
增量流形学习
特征降维
等距映射
支持向量机
-
Keywords
speech emotion recognition
incremental manifold learning
feature dimensionality reduction
Isometric Mapping（ISOMAP）
Support Vector Machine（SVM）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名增量与演化流形学习综述
被引量：2
- 4
-
-
作者
谈超
关佶红
周水庚
-
机构
同济大学计算机科学与技术系
复旦大学计算机学院
复旦大学上海市智能信息处理重点实验室
-
出处
《智能系统学报》
北大核心
2012年第5期377-388,共12页
-
基金
国家自然科学基金资助项目(61173118)
-
文摘
流形学习的目标是发现观测数据嵌入在高维数据空间中的低维光滑流形.近年来,在线或增量地发现内在低维流形结构成为流形学习的研究热点.从增量学习和演化学习2个方面入手,对该领域已有研究进展进行综述.增量流形学习较之传统的批量流形学习方法具有动态增量的能力,而演化流形学习能够在线地发现海量动态数据的内在规律,有利于进行维数约简和数据分析.文中对主要的增量与演化流形学习算法的基本原理、特点进行了阐述,分析了各自的优点与不足,指出了该领域的开放问题,并对进一步的研究方向进行了展望.
-
关键词
流形学习
增量流形学习
演化流形学习
-
Keywords
manifold learning
incremental manifold learning
evolutionary manifold learning.
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
