TY - JUR A2 - Claussen，Jens Christian Au - Wang，Jingjing Au - Liu，中华Au - Lu，文鹏奥 - 张，Kaibing Py - 2020年DA - 2020/12/14 Ti - 歧视性标签放松回归自适应图学习- 8852137 VL - 2020 AB - 传统的标签放松回归（LRR）算法直接适合原始数据，而无需考虑数据的本地结构信息。虽然图形正规化的标签放松回归算法考虑了本地几何信息，但算法的性能很大程度上取决于图形的构造。但是，传统的图形结构具有两个缺陷。首先，它在很大程度上受到参数值的影响。其次，它依赖于构造权重矩阵时的原始数据，这通常包含大量噪声。这使得构建的图形通常不是最佳的，这会影响随后的工作。因此，提出了一种基于自适应曲线图（DLRR_AG）的鉴别标签弛豫回归算法，用于特征提取。DLRR_AG通过构建自适应权重图，将歧管学习与标签放松回归相结合，这可以很好地克服标签过度装箱的问题。基于大量实验，可以证明该方法是有效可行的。 SN - 1687-5265 UR - https://doi.org/10.1155/2020/8852137 DO - 10.1155/2020/8852137 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -