سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل تمایزی مبتنی بر GPLVM با حفظ ساختار فضایی داده

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 543

This Paper With 10 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

ICTCK02_111

Index date: 29 October 2016

مدل تمایزی مبتنی بر GPLVM با حفظ ساختار فضایی داده abstract

در این مقاله یادگیری یک نگاشت بین فضای ابعاد کم و فضای ابعاد بالا بر پایه روش کاهش ابعاد مدل متغیر مخفیمبتنی بر فرآیند گوسین توسعه داده شده است. روش مذکور با انتقالی نرم به فضای ابعاد کم ساختار داده را حفظمی کند، در حالیکه اطلاعات بر چسب کلاسها در این نگاشت در نظر گرفته نمی شود. به منظور اتخاذ یک رویکردنظارتی، فاصله فضایی تحت تاثیر برچسب کلاسها محاسبه میشود و یک کرنل جدید با اضافه کردن عبارت مربوط بهاطلاعات فاصله فضایی به کرنل روش پایه پیشنهاد شده است. مقایسه روش پیشنهادی با روشهای محلی و رویکردهایکاهش ابعاد با حفظ ساختار داده نشان دهنده کارایی مدل پیشنهادی است. آزمایشات انجام گرفته بر روی دو مجموعهداده استاندارد OilFlow و USPS از نظر بصری سازی و مقایسه trustworthiness همچنین سنجش شاخص های شباهت خوشه بندی نشان دهنده برتری روش پیشنهادی در بیشتر موارد است.

مدل تمایزی مبتنی بر GPLVM با حفظ ساختار فضایی داده authors

مهدی حیدری

گروه کامپیوتر، دانشگاه آزاد واحد مشهد

محمدحسین معطر

گروه کامپیوتر، دانشگاه آزاد واحد مشهد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
]1[L. J. van der Maaten, E. O. Postma, and H. ...
]3[N. Lawrence, _ Probabilistic non-linear principal component analysis with Gaussian ...
Surfaces, J.-D. Boissonnat and M. Teillaud, Eds, ed: Springer Berlin ...
"Probabilistic principal component analysis, " Journal of the Royal Statistical ...
]7[C. M. Bishop, M. Svensen, and C. K. Williams, "GTM: ...
]8[S. T. Roweis and L. K. Saul, "Nonlinear dimensionality reduction ...
]9[M .Belkin and P. Niyogi, "Laplacian eigenmaps and spectral techniques ...
computation , vol. 10, pp. 1299-1319, 1998. Darrell, ...
"Di scriminative Gaussian process latent variable modl for classification, " ...
Gaussian process latent variabe models for handling ambiguous facial expressions, ...
"Shared Gaussian Process Latent Variable Models, " PhD thesis, 2009. ...
X. Jiang, J. Gao, T. Wang, and L.Zheng, "Supervised latent ...
Isomap with Explicit Mapping, " in Innovative Computing, Information and ...
A. N. Gorban', B. Kegl, D. C. Wunsch, and A. ...
J. Chen and Y Liu, "Locally linear embedding: a survey, ...
نمایش کامل مراجع

مقاله فارسی "مدل تمایزی مبتنی بر GPLVM با حفظ ساختار فضایی داده" توسط مهدی حیدری، گروه کامپیوتر، دانشگاه آزاد واحد مشهد؛ محمدحسین معطر، گروه کامپیوتر، دانشگاه آزاد واحد مشهد نوشته شده و در سال 1394 پس از تایید کمیته علمی دومین کنگره بین المللی فن آوری، ارتباطات و دانشICTCK۲۰۱۵ پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هستند. این مقاله در تاریخ 8 آبان 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 543 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله یادگیری یک نگاشت بین فضای ابعاد کم و فضای ابعاد بالا بر پایه روش کاهش ابعاد مدل متغیر مخفیمبتنی بر فرآیند گوسین توسعه داده شده است. روش مذکور با انتقالی نرم به فضای ابعاد کم ساختار داده را حفظمی کند، در حالیکه اطلاعات بر چسب کلاسها در این نگاشت در نظر گرفته نمی شود. به منظور اتخاذ ... . برای دانلود فایل کامل مقاله مدل تمایزی مبتنی بر GPLVM با حفظ ساختار فضایی داده با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.