寬度學習系統用于資料聚類
作者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/
閱讀本文的前提：寬度學習系統(Broad Learning System, BLS)，了解什么是寬度學習系統，有一篇文章是關于BLS的綜述，適合BLS入門的初學者看，參看參考文獻[2]，
本博文給出寬度學習系統用于聚類的一個應用實體——基于無監督寬度學習的高光譜影像聚類(Hyperspectral Image Clustering Based on Unsupervised Broad Learning)，由于高光譜影像(HSI)的大量訓練樣本難以標記，無監督聚類方法受到了廣泛的關注，最近提出的寬度學習(BL)可以實作線性和非線性映射，然而，最初的BL是一個有監督的模型，本文提出了一種用于HSI聚類的新方法—無監督寬度學習 (UBL)，首先，對UBL的輸入和映射特征執行一個圖正則化稀疏自編碼器，以保持原始HSI的內在流形結構，然后，設計了由輸出層權值的l2范數和圖正則化項組成的UBL目標函式，該目標函式可以通過選擇最小特征值對應的特征向量來求解，最后，將譜聚類應用到UBL的輸出上，得到HSI聚類結果，
參考文獻：
[1] Y. Kong, Y. Cheng, C. L. P. Chen and X. Wang, "Hyperspectral Image Clustering Based on Unsupervised Broad Learning," IEEE Geoscience and Remote Sensing Letters, vol. 16, no. 11, pp. 1741-1745, Nov. 2019.
[2] X. Gong, T. Zhang, C. L. P. Chen and Z. Liu, "Research Review for Broad Learning System: Algorithms, Theory, and Applications," IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2021.3061094.
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/270725.html
標籤：其他
上一篇：簡述OBB演算法：使用PCA計算
下一篇：OpenCV 之 影像幾何變換