近年来,流形学习成为包括机器学习、模式识别和计算机视觉等相关领域的研究热点.流形学习算法中,邻域选择直接关系到算法的性能,而传统的邻域选择算法如k近邻和ε邻域算法存在参数难以确
isomap代码的matlab实现；dijstra求最短路径,floyd最短距离
ISOMAP Nonlinear Dimensionality Reduction Science
为了实现大数据环境下非线性高维数据的快速降维,提出了一种基于Spark的并行ISOMAP算法.在该算法中,为了快速构建邻域矩阵,设计并实现了基于精确欧式位置敏感哈希的近邻搜索并行算法;为了实现特征值的
机器学习入门的可以看一看,作者呕心沥血整理的资源,学习的可以看一看,里面包括机器学习历年来的发展,机器学习的分支,传统机器学习算法和无监督学习,监督学习和强化学习相关定义等等
社区的建设是多元化学习的关键问题。 大多数学习算法使用稳定的邻域参数(例如k-NN),但对于整个歧管,因为歧管曲率和采样密度可能会在歧管上变化。 虽然已经提出了一些动态邻域算法,它们受到另一个整体的限
传统的高光谱数据特征选择方法分为监督和无监督模式,然而在高光谱数据实际处理中,大量无标记和少量有标记数据并存.此外,传统方法忽视了真实数据嵌入在高维空间中的流形结构.本文提出一种基于流形的半监督特征选
实现了非监督学习的迭代算法,附带演示数据
CoForest is a semi-supervised algorithm, which exploits the power of ensemble learning and large amo
一种基于李群的半监督学习算法及应用研究,经典的中文论文
