多特征融合的超图降维方法GPU并行加速
基于图的学习方法目前广泛用于降低特征维度.然而,对于多特征数据而言,不同特征之间的不同关联性很难结合到单个图中.在本文中,针对多特征数据提出了新的半监督降维方法.首先,超图中的超边作为片,从而使得超图应用到片对齐框架中.然后,超边的权重可以通过片中相邻的特征对进行距离统计得到计算,不同特征下的片得到结合.其次,由于欧式距离和矩阵乘法的计算在拉普拉斯矩阵的构造过程中占用了大部分的时间,因此对其使用GPU进行速度的提升.实验结果表明了分类性能和学习速度上的提升效果.
图形处理器 超图降维方法 多特征融合 并行加速
洪朝群 陈旭辉 王晓栋 李士锦 吴克寿
厦门理工学院 计算机与信息工程学院,厦门 361024
国内会议
广州
中文
520-527
2014-11-06（万方平台首次上网日期，不代表论文的发表时间）