首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   0篇
综合类   1篇
  2014年   1篇
排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
基于稀疏表示理论提出一种稀疏正则化最小类散度半监督分类机(SRMCV), 且对于模式分类问题, SRMCV通过引入稀疏Laplacian正则化项和类内散度信息以实现预测空间函数在全局稀疏表示结构下平滑变化, 同时通过类内数据散度结构进一步优化决策函数的判别方向, 此方法能解决现有SSL方法对模型参数敏感和在噪声学习环境下缺乏鲁棒性等问题, 其有效性已在实际数据集上通过实验验证.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号