機(jī)器學(xué)習(xí) 課件 第2章 表征學(xué)習(xí)_第1頁(yè)
機(jī)器學(xué)習(xí) 課件 第2章 表征學(xué)習(xí)_第2頁(yè)
機(jī)器學(xué)習(xí) 課件 第2章 表征學(xué)習(xí)_第3頁(yè)
機(jī)器學(xué)習(xí) 課件 第2章 表征學(xué)習(xí)_第4頁(yè)
機(jī)器學(xué)習(xí) 課件 第2章 表征學(xué)習(xí)_第5頁(yè)
已閱讀5頁(yè)，還剩19頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第2章表征學(xué)習(xí)主講：胡曉2.1表征學(xué)習(xí)的目的

2.2數(shù)據(jù)預(yù)處理

2.3.2學(xué)習(xí)模型

混合散布矩陣

2.4.2類可判別測(cè)度

在樣本表征值的空間分布，類內(nèi)距離越小和類間距離越大，越有利于實(shí)現(xiàn)模式分類。

目標(biāo)函數(shù)

多維縮放的目標(biāo)是，

2.6流形學(xué)習(xí)(ManifoldLearning)

2.6流形學(xué)習(xí)(ManifoldLearning)2.6.2等度量映射

2.6流形學(xué)習(xí)(ManifoldLearning)

(1)構(gòu)建鄰接圖2.6.2等度量映射2.6流形學(xué)習(xí)(ManifoldLearning)(1)構(gòu)建鄰接圖(2)任意兩點(diǎn)間最短測(cè)地距離重構(gòu)不相似度矩陣

2.6流形學(xué)習(xí)(ManifoldLearning)

2.6.3局部線性嵌入2.6流形學(xué)習(xí)(ManifoldLearning)

由GeoffreyHinton等人于2002年提出，基本思路：首先，在高維空間構(gòu)建一個(gè)反映樣本點(diǎn)間相對(duì)位置(相似度)的概率分布；然后，通過(guò)學(xué)習(xí)，調(diào)整低維空間樣本分布，致使低維空間樣本相對(duì)位置的概率分布能擬合高維空間樣本相對(duì)位置的概率分布?；倦S機(jī)近鄰嵌入

理論上要求條件概率相等

2.8稀疏表征2.8.1壓縮感知

又稱為壓縮采樣(CompressingSampling)，顧名思義，是用少于奈奎斯特定理(Nyquist)要求的最低采樣頻率對(duì)信號(hào)進(jìn)行采樣，達(dá)到“壓縮”觀測(cè)數(shù)據(jù)的目的。

2.8稀疏表征

(SparseRepresentations)2.8.1壓縮感知

2.8稀疏表征

一般化，我們將這兩情況合并成，

感知矩陣(SensingMatrices)

2.8稀疏表征

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論