-
题名两阶段判别嵌入式聚类
被引量：2
- 1
-
-
作者
支晓斌
李亚兰
-
机构
西安邮电大学理学院
西安邮电大学通信与信息工程学院
-
出处
《西安邮电大学学报》
2018年第3期45-51,共7页
-
基金
国家自然科学基金资助项目(61671377)
陕西省自然科学基金资助项目(2014JM8307)
-
文摘
针对判别嵌入式聚类算法对高维数据聚类速度慢的问题,给出一种两阶段判别嵌入式聚类算法。对正则化类间散度矩阵做奇异值分解,得到数据的变换矩阵,对数据进行初次降维,并用判别嵌入式聚类算法中的经典降维方法对低维数据再次降维。通过两次降维来减少判别嵌入式聚类算法的时间复杂度,提高聚类效率。
-
关键词
数据降维
判别嵌入式聚类(DEC)
正则化
奇异值分解(svd)
-
Keywords
dimension reduction
discriminative embedded clustering（DEC）
regularizaton
singular value decompositon（svd）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名EOF、SVD和POD的数学统一
被引量：1
- 2
-
-
作者
颜超
陆小庆
郑琴
-
机构
南京工业大学浦江学院
南京大学数学系
解放军理工大学理学院
-
出处
《数学的实践与认识》
CSCD
北大核心
2014年第22期236-242,共7页
-
文摘
经验正交函数(EOF)、奇异值分解(SVD)和适当正交分解(POD)是三种常见的通过获取高维数据的低维近似来进行数据分析的方法.虽然在实际应用中,结合不同的研究问题和研究目的,会采用不同的方法,但是在数学原理上,三种方法都可归结为通过寻求已有数据集合的基向量来实现对原始数据的线性表示.本文以EOF为出发点,通过分析展开系数得出SVD,最后在最优近似表示的原则之下导出POD,揭示三种方法在数学原理上的统一性.
-
关键词
经验正交函数(EOF)
奇异值分解(svd)
适当正交分解(POD)
-
Keywords
empirical orthogonal funetions（EOF）
singular value decompositon（svd）
properorthogonal decomposition（POD）
-
分类号
O183.1
[理学—数学]
-
