基于随机近邻嵌入的判别性特征学习
作者:
作者单位:

作者简介:

赵辉(1996-),男,硕士生,主要研究领域为机器学习,数据挖掘;
龙治国(1989-),男,博士,讲师,CCF专业会员,主要研究领域为知识表示,空间推理,机器学习;
王红军(1977-),男,博士,副研究员,CCF高级会员,主要研究领域为人工智能,机器学习,数据挖掘;
李天瑞(1969-),男,博士,教授,CCF杰出会员,主要研究领域为人工智能,数据挖掘与知识发现,云计算与大数据,粒计算,粗糙集;
彭博(1980-),女,博士,副教授,CCF专业会员,主要研究领域为图像分割,机器学习.

通讯作者:

王红军,E-mail:wanghongjun@swjtu.edu.cn

中图分类号:

基金项目:

国家自然科学基金(61806170,61773324);国家重点研发计划(2017YFB1401401)


Discriminant Feature Learning Based on Stochastic Neighbor Embedding
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    特征学习是机器学习中的一项重要技术,研究从原始数据中学习后置任务所需的数据表示.目前,多数特征学习算法侧重于学习原始数据中的拓扑结构,忽略了数据中的判别信息.基于此,提出了基于随机近邻嵌入的判别性特征学习模型.该模型将对判别信息的学习与对拓扑结构的学习融合在一起,通过迭代求解的方式,同时完成对这两者的学习,从而得到原始数据具有判别性的特征表示,可以显著提升机器学习算法的性能.多个公开数据集上的实验结果验证了该模型的有效性.

    Abstract:

    Feature learning is an important technique in machine learning, which studies data representation learning required by the post task from raw data. At present, most feature learning algorithms focus on learning topological structure of the original data, but ignore the discriminant information in the data. This study proposes a novel model called discriminant feature learning based on t-distribution stochastic neighbor embedding (DTSNE). In this model, the learning of discriminant information and the learning of topology structure are fused together, so both of them are learned to obtain the discriminant feature representation of the original data through iterative solution, which can significantly improve the performance of the machine learning algorithm. Experimental results on multiple open data sets demonstrate the effectiveness of the proposed model.

    参考文献
    相似文献
    引证文献
引用本文

赵辉,王红军,彭博,龙治国,李天瑞.基于随机近邻嵌入的判别性特征学习.软件学报,2022,33(4):1326-1337

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-03-10
  • 最后修改日期:2021-07-16
  • 录用日期:
  • 在线发布日期: 2021-10-26
  • 出版日期: 2022-04-06
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号