Knowledge Commons of Institute of Automation,CAS
子空间结构保持的多层极限学习机自编码器 | |
陈晓云; 陈媛 | |
发表期刊 | 自动化学报 |
ISSN | 0254-4156 |
2022 | |
卷号 | 48期号:4页码:1091-1104 |
摘要 | 处理高维复杂数据的聚类问题,通常需先降维后聚类,但常用的降维方法未考虑数据的同类聚集性和样本间相关关系,难以保证降维方法与聚类算法相匹配,从而导致聚类信息损失.非线性无监督降维方法极限学习机自编码器(Extreme learning machine, ELM-AE)因其学习速度快、泛化性能好,近年来被广泛应用于降维及去噪.为使高维数据投影至低维空间后仍能保持原有子空间结构,提出基于子空间结构保持的多层极限学习机自编码器降维方法 (Multilayer extreme learning machine autoencoder based on subspace structure preserving, ML-SELM-AE).该方法在保持聚类样本多子空间结构的同时,利用多层极限学习机自编码器捕获样本集的深层特征.实验结果表明,该方法在UCI数据、脑电数据和基因表达谱数据上可以有效提高聚类准确率且取得较高的学习效率. |
关键词 | 多层极限学习机 自编码器 子空间学习 降维 |
DOI | 10.16383/j.aas.c200684 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56375 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 陈晓云,陈媛. 子空间结构保持的多层极限学习机自编码器[J]. 自动化学报,2022,48(4):1091-1104. |
APA | 陈晓云,&陈媛.(2022).子空间结构保持的多层极限学习机自编码器.自动化学报,48(4),1091-1104. |
MLA | 陈晓云,et al."子空间结构保持的多层极限学习机自编码器".自动化学报 48.4(2022):1091-1104. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2020-0684.pdf(1436KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[陈晓云]的文章 |
[陈媛]的文章 |
百度学术 |
百度学术中相似的文章 |
[陈晓云]的文章 |
[陈媛]的文章 |
必应学术 |
必应学术中相似的文章 |
[陈晓云]的文章 |
[陈媛]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论