监督型稀疏保持投影

稀疏保持投影(SPP)是最近提出的一种无监督降维方法,因此无法利用标号数据提供的监督信息。为此,对SPP进行了扩展,给出了两种监督型稀疏保持投影算法:基于稀疏保持的判别分析(SPP+LDA)和监督稀疏保持投影(S2PP)。前者通过在SPP变换的子空间内进行线性判别分析(LDA)达到利用数据间稀疏重建关系和监督信息的目的;后者借助数据标号直接修正SPP构建的稀疏重建图在SPP中自然地融入监督信息。分析了两种算法的优缺点,在两个常用的人脸数据集(Yale和AR)上验证了两者的可行性及有效性。

判别正则化谱回归

谱回归(SR)算法是一种正则化的降维方法,通过学习获得回归框架下的嵌入函数,使其避免了稠密矩阵分解的问题.但是在谱回归的构图中,更加关注于类内信息,而忽视了很重要的类间信息.为此,提出一种新的降维算法——判别正则化谱回归(DRSR).它将数据集的判别信息和流行结构同时嵌入到正则项的构造中,期望使输出结果即保持同类样本间的内在邻近关系,同时又能将不同类的近邻样本尽可能分得开.最后,分析了这种算法的优缺点,并在两个常用的数据集(Yale和wine)上验证了算法的可行性及有效性.

小学数学多媒体教学存在的问题及建议

多媒体在实际教学中的使用具有很多优点，然而就目前小学数学教学形势来看，多媒体的使用存在很多不合理的地方。本文分析了小学数学多媒体教学中存在的不足，并提出推进小学数学多媒体教学发展的策略，希望可以促进小学数学多媒体教学更好发展。

拟线性回归预测模型的稳定最小二乘解

可线性化回归预测模型通过换元进行线性回归,换元前后的因变量具有异方差性,致使拟线性回归参数的精度较低.运用GL算法给出了此类模型的稳定最小二乘解,提高了参数的估计精度,最后给出了一个应用实例.