本发明方法明确地将半监督数据表示和分类误差结合到现有的投影非负矩阵分解框架进行联合最小化学习,由此将权重系数构造和标签传播过程作用于投影非负矩阵分解,可有效避免原始数据中可能包含的噪音、破坏或异类对相似性度量和标签预测结果的负面影响。此外,上述联合最小化过程也可在投影非负矩阵分解过程中有效保持邻域信息和空间结构,得到更准确的数据表示结果。此外,还将权重构建和归纳学习整合到一个统一的模型中,可得到自适应的权重系数矩阵,进而避免传统算法中选取最优近邻难的问题。本发明方法为诱导式模型,可完成样本外数据的归纳与预测,无需引入额外的重构过程,可拓展性能好。
声明:
“诱导式非负投影半监督数据分类方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)