高维数据的维数约简方法及其应用PDF电子书下载

第1章 绪论 1

1.1 研究背景及意义 1

1.2 研究现状 2

第2章 维数约简技术简介 5

2.1 特征提取方法 5

2.1.1 线性特征提取方法 5

2.1.2 非线性特征提取方法 10

2.2 特征选择方法 24

2.2.1 基于排序的过滤式特征选择算法 25

2.2.2 基于空间搜索的过滤式特征选择算法 28

2.3 维数约简算法的应用 30

2.3.1 人脸识别简介 30

2.3.2 基于子空间的人脸识别 31

第3章 基于低维坐标排列的流形学习 34

3.1 流形分解 35

3.1.1 构建最大线性贴片 35

3.1.2 最小集覆盖 36

3.2 局部低维坐标排列 38

3.2.1 局部主成分分析 38

3.2.2 坐标排列 38

3.3 实验结果 40

3.4 有监督扩展 43

3.4.1 最大间隔准则 43

3.4.2 有监督坐标排列算法 43

3.5 实验结果 45

3.5.1 ORL数据库 45

3.5.2 Yale数据库 48

3.5.3 CMU PIE数据库 49

3.5.4 结果分析 51

3.6 小结 52

第4章 自适应加权的子模式局部保持投影 53

4.1 基于子模式的人脸识别 54

4.2 算法描述 55

4.2.1 人脸图像划分 55

4.2.2 子模式局部保持投影 56

4.2.3 分类 59

4.3 计算复杂度分析 59

4.4 实验结果 60

4.4.1 Yale数据库 60

4.4.2 Extended YaleB数据库 63

4.4.3 CMU PIE数据库 65

4.5 小结 67

第5章 结构保持投影算法 68

5.1 算法描述 69

5.1.1 人脸图像划分 69

5.1.2 结构保持投影 70

5.1.3 分类 73

5.2 实验结果 74

5.2.1 Yale数据库 74

5.2.2 Extended YaleB数据库 76

5.2.3 CMU PIE数据库 78

5.2.4 结果分析 80

5.3 小结 80

第6章 基于改进有效范围的特征选择方法 81

6.1 基于有效范围的特征选择方法分析 81

6.2 改进的算法 83

6.3 实验结果 85

6.3.1 实验数据库简介 86

6.3.2 C4.5分类器中的实验结果及对比分析 86

6.3.3 NN分类器中的实验结果及对比分析 89

6.3.4 SVM分类器中的实验结果及对比分析 91

6.4 小结 94

第7章 最大权重最小冗余特征选择算法 95

7.1 问题分析 95

7.2 算法描述 96

7.3 计算效率分析 101

7.4 实验结果 101

7.4.1 算法精度 102

7.4.2 聚类 103

7.4.3 微阵列分类 104

7.4.4 人脸识别 108

7.4.5 文本分类 110

7.4.6 统计检验 110

7.5 小结 111

第8章 总结 112

参考文献 114