李群机器学习研究综述

文中简述了李群机器学习的相关研究内容,包括李群机器学习的概念、公理假设、代数学习模型、几何学习模型、Dynkin图的几何学习算法、量子群、辛群分类器的设计、轨道生成学习算法等.

一种改进的Laplacian SVM的SAR图像分割算法

当有标识的样本数量有限时,Laplacian SVM算法需要加入尽量多的无标识样本,以提高分类精度.但同时当无标识样本数很大时,算法的时间和空间复杂度将难以接受.为了将Laplacian SVM应用于SAR图像分割这样的大规模分类问题中,提出了一种改进的Laplacian支持向量机算法(Improved Laplacian Support Vector Machine,Im-proved Laplacian SVM),首先采用分水岭算法将原始SAR图像分成多个小原型块,提取每个小原型块的图像特征作为训练样本.再采用改进的Laplacian SVM算法得到小原型块的分类结果.通过3幅SAR图像验证了提出的方法,实验表明该方法不仅提高了分割的准确性同时减少了Laplacian SVM算法用于图像分割时的运行时间.

一种基于切丛的维数约简方法

本文提出了一种基于切丛的维数约简方法。流形上的切丛不但能够刻画流形局部的结构特征,而且对流形整体的结构也能够进行描述。尤其对于聚类比较明显的数据集,在降维后能够更为精确地求得原数据在低维空间中的投影。通过对手写体数据的降维实验和BreastCancer实验表明,基于切丛的维数约简方法是一种有效的降维算法。