×
王，Jim Jing-Yan;哈利马·本斯梅尔;高欣

流形上稀疏表示的特征选择和多核学习。 （英语） Zbl 1298.68232号

神经网络。 51, 9-16 (2014).
摘要：稀疏表示作为一种基于零件的数据表示方法，已被广泛研究并应用于生物信息学和医学成像等许多科学和工程领域。它试图将数据样本表示为字典中一些基本项的稀疏线性组合。S.Gao高等人[“拉普拉斯稀疏编码、超图拉普拉斯稀编码和应用”，IEEE Trans.Pattern Anal.Mach.Intell.35，No.1，92–104（2013；doi:10.1109/TPAMI.2012.63)]最近提出了拉普拉斯稀疏编码，通过用亲和图对稀疏码进行正则化。然而，由于数据样本的噪声特征和非线性分布，直接从原始特征空间构建的亲和图不一定是数据样本内在流形的可靠反映。为了克服这个问题，我们将特征选择和多核学习集成到流形上的稀疏编码中。为此，为特征选择、多核学习、稀疏编码和图正则化定义了统一的目标。通过迭代优化目标函数，我们分别开发了具有特征选择和多核学习的新型数据表示算法。在两个具有挑战性的任务（N-连接糖基化预测和乳房X光片检索）上的实验结果表明，所提出的算法优于传统的稀疏编码方法。

引用于6文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
92 C50 医疗应用（通用）

关键词：

数据表示;稀疏编码;歧管;特征选择;多核学习
PDF格式BibTeX公司 XML格式引用
\textit{J.J.Y.Wang}等人，神经网络。51、9--16（2014年；Zbl 1298.68232）
全文： 内政部

参考文献：

[1] 阿尔扎特，C。；Suykens，J.A.K.，层次核谱聚类，神经网络，35，21-30（2012）·Zbl 1258.68110号
[2] Belanovic，P。；Valcarcel Macua，S.公司。；Zazo，S.，使用一致性的分布式静态线性高斯模型，神经网络，34196-105（2012）
[3] 蔡，D。；何，X。；Han，J。；Huang，T.S.，用于数据表示的图正则化非负矩阵分解，IEEE模式分析和机器智能汇刊，33，8，1548-1560（2011）
[5] Chuang，G.-Y。；Boyington，J.C。；乔伊斯，M.G。；朱，J。；Nabel，G.J。；Kwong，P.D。；Georgiev，I.，结合结构特性和模式的n-连接糖基化的计算预测，生物信息学（2012）
[6] Courrieu，P.，非欧几里德空间上的函数逼近，神经网络，18，1，91-102（2005）·Zbl 1085.68124号
[7] Filippone，M。；卡马斯塔，F。；马苏利（F.Masulli）。；Rovetta，S.，《聚类的核和谱方法综述》，模式识别，41，1，176-190（2008）·兹比尔1122.68530
[8] 福岛，M。；Tseng，P.，计算线性互补约束数学程序的b平稳点的一种可实现的主动集算法，SIAM优化杂志，12，3，724-739（2002）·Zbl 1005.65064号
[9] 高，S。；Tsang，I.W.-H。；Chia，L.-T.，拉普拉斯稀疏编码，超图拉普拉斯稀编码和应用，IEEE模式分析和机器智能汇刊，35，1，92-104（2013）
[10] 黄金，C。；Holub，A。；Sollich，P.，支持向量机分类器特征选择和参数调整的贝叶斯方法，神经网络，18，5-6，693-701（2005）·Zbl 1077.68762号
[11] Ioffe，A.，《复合优化：二阶条件、值函数和灵敏度》，（系统分析与优化（1990）），442-451·Zbl 0708.90080号
[12] Jian，L。；夏，Z。；X·梁。；Gao，C.，利用凸规划设计LS-SVM的多核学习算法，神经网络，24，5，476-483（2011）·兹比尔1217.68185
[13] 卡普兰，G.B。；Sengor，N.S。；古尔维特，H。；Genc，I。；Guzelis，C.，威斯康星卡片分类测试中持久性和分心性的复合神经网络模型，神经网络，19，4，375-387（2006）·Zbl 1097.92005年
[14] Kim，H。；Park，H.，通过交替非负约束最小二乘法进行微阵列数据分析的稀疏非负矩阵分解，生物信息学，23，12，1495-1502（2007）
[16] 齐，Z。；田，Y。；Shi，Y.，用于半监督分类的拉普拉斯双支持向量机，神经网络，35，46-53（2012）·兹比尔1258.68121
[17] 宋，L.-X。；Chang，R.-X。；王，Q。；Wang，L.，基于内容的乳腺造影钙化病变检索，（2010年第四届生物信息学和生物医学工程国际会议（iCBBE 2010）（2010），IEEE Eng.Med.Biol。社会），4
[18] Wang，J.-Y。；Almasri，I。；Gao，X.，通过特征选择的自适应图正则化非负矩阵分解，（2012年第21届模式识别国际会议（ICPR）（2012），IEEE），963-966
[19] 王建勇。；Bensmail，H。；姚，N。；Gao，X.，多流形上的鉴别稀疏编码，基于知识的系统，54，0，199-206（2013）
[20] 赖特，J。；Yang，A.Y。；Ganesh，A。；Sastry，S.S。；Ma，Y.，通过稀疏表示实现鲁棒人脸识别，IEEE模式分析和机器智能汇刊，31，2，210-227（2009）
[21] 夏，Y。；Sun，C.，凸二次规划的新型神经动力学方法及其有效应用，神经网络，22（2009），1463-1470·Zbl 1411.90253号
[22] 叶，Q。；赵，C。；高，S。；Zheng，H.，带局部信息的加权双支持向量机及其应用，神经网络，35，31-39（2012）·Zbl 1258.68128号
[23] 曾浩。；Cheung，Y.-M.，基于局部学习聚类的特征选择和内核学习，IEEE模式分析和机器智能汇刊，33，8，1532-1547（2011）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。