超级会员免费看
本文提出了一种名为PixelHop的机器学习方法，该方法基于连续子空间学习（SSL），在MNIST、Fashion MNIST和CIFAR-10数据集上表现优于经典CNN模型。SSL包括四个关键步骤：近远邻域扩张、无监督降维、标签辅助回归（LAG）和特征连接与决策。PixelHop通过级联的子空间学习和避免线性多阶段方法的局限性，实现了高效的图像分类。实验展示了其在处理图像分类问题时的优越性。
本文介绍了一种新的机器学习方法，称为连续子空间学习（SSL）.以下我就挑重点的说,然后结合代码讲解一下：
SSL包含四个关键成分：
1） 连续的近远邻域扩张
2） 通过子空间逼近，实现无监督降维
3） 通过标签辅助回归（label-assisted regression：LAG）监督降维
4） 特征连接与决策。
A new machine learning methodology, called successive subspace learning (SSL), is introduced in
this work. SSL contains four key ingredients: 1) successive near-to-far neighborhood expansion; 2)
unsupervised dimension reduction via subspace approximation; 3) supervised dimension reduction via
label-assisted regression (LAG); and 4) feature concatenation and decision making. An image-based
obje
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
