本發明方法明確地將半監督數據表示和分類誤差結合到現有的投影非負矩陣分解框架進行聯合最小化學習,由此將權重系數構造和標簽傳播過程作用于投影非負矩陣分解,可有效避免原始數據中可能包含的噪音、破壞或異類對相似性度量和標簽預測結果的負面影響。此外,上述聯合最小化過程也可在投影非負矩陣分解過程中有效保持鄰域信息和空間結構,得到更準確的數據表示結果。此外,還將權重構建和歸納學習整合到一個統一的模型中,可得到自適應的權重系數矩陣,進而避免傳統算法中選取最優近鄰難的問題。本發明方法為誘導式模型,可完成樣本外數據的歸納與預測,無需引入額外的重構過程,可拓展性能好。
聲明:
“誘導式非負投影半監督數據分類方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)