论文研究 基于对偶图正则化的多层概念分解算法.pdf

为了进一步挖掘数据间的隐藏信息，在多层概念分解算法的框架下，考虑每一层分解下的数据流形和特征流形，提出了一种基于对偶图正则化的多层概念分解算法。该算法通过对数据的逐层分解，以分层的方式学习，并在每一层分解数据中构建数据空间和特征属性空间的拉普拉斯图，用于反映数据流形和特征流形的多元几何结构信息，从而能够更好地从复杂数据中提取出更有效的特征。采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性。通过在三个真实数据库（TDT2、PIE、COIL20）上的实验表明，该方法在数据的聚类表示效果方面优于其他方法。