简介:Laplacian特征映射是基于欧氏距离的近邻数据点的保持,高维数据点的近邻选取最终将影响全局低维坐标.本文将鉴别信息引入到近邻数据点中,使用有鉴别信息的距离测度来代替欧式距离测度,提出了一种基于自适应测度的半监督拉普拉斯特征映射相关反馈算法FAD-SSLE(feedbackonadaptivedistancesemi-supervisedlaplacianeigenmaps).在图像检索上的实验结果表明,该方法能够有效地利用少量的监督信息来提高分类和检索性能.
简介:一、柯西不等式的一般形式设,ai,bi∈R,i=1,2,…,n,则(a_1^2+a_2^2+…+a_n^2)·(a_1^2+b_2^2+…+b_n^2)≥(a1b1+a2b2+…+anbn)^2.等号成立的条件是当且仅当ai=0,bi=λai(A为常数,i=1,2,…,n).其中,当n=2时可以得到柯西不等式的二维形式:若a,b,c,d都是实数,则(a^2+b^2)(c^2+d^2)≥(ac+bd)^2.当且仅当ad=bc时,等号成立.柯西不等式的证明方法很多,高中课本选用了学生比较熟悉的向量法,而它的应用则主要涉及在代数方面.例如,可以运用柯西不等式证明其他不等式、求有关参数的范围或函数最值等问题.
简介:摘要:利用Pearson-X^2距离和最大距离的定义,探讨了Laplaeian分布的Pearson-X^2距离及其渐近性.