计算机应用研究

作者：张显,叶军,

单位：南京邮电大学理学院,南京210023；

关键词：概念分解,多层分解,对偶回归,流形学习,聚类,

基金：江苏省自然科学基金资助项目(BK20150867)；南京邮电大学国家自然科学基金孵化资助项目(NY215125)；；

为了进一步挖掘数据间的隐藏信息，在多层概念分解算法的框架下，考虑每一层分解下的数据流形和特征流形，提出了一种基于对偶图正则化的多层概念分解算法。该算法通过对数据的逐层分解，以分层的方式学习，并在每一层分解数据中构建数据空间和特征属性空间的拉普拉斯图，用于反映数据流形和特征流形的多元几何结构信息，从而能够更好地从复杂数据中提取出更有效的特征。采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性。通过在三个真实数据库（TDT2、PIE、COIL20） 上的实验表明，该方法在数据的聚类表示效果方面优于其他方法。

来源：2019年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第2期