TY - A2的魏尚PY Zhouchao AU - Li - 2021 DA - 2021/01/13 TI -子空间聚类的高斯过程潜变量模型SP - 8864981六世- 2021 AB -有效的特征表示是机器学习应用程序的成功的关键。最近,许多特性提出了学习模型。在这些模型中,高斯过程潜变量模型(GPLVM)非线性特性学习由于其优异的性能已获得了高度的关注。然而,大多数现有的GPLVMs主要用于分类和回归任务,因此不能用于数据聚类任务。为了解决这个问题,扩展应用范围,本文提出了一种新型GPLVM为集群(C-GPLVM)。具体来说,通过GPLVM结合子空间聚类方法,我们C-GPLVM可以获得更多的代表潜变量聚类。此外,它可以直接预测新样本通过引入约束模型中,因此更适合大数据学习任务,如混沌时间序列的分析等等。在实验中,我们比较相关GPLVMs和聚类算法。实验结果表明,该模型不仅继承了GPLVM的特性的学习能力,但也有优越的聚类精度。SN - 1076 - 2787你——https://doi.org/10.1155/2021/8864981——10.1155 / 2021/8864981 JF - PB - Hindawi KW - ER -复杂性