%0 Journal Article
%T 广义多线性混合效应模型
%A 李超
%A 郭黎利
%A 窦峥
%J 哈尔滨工程大学学报
%D 2018
%R 10.11990/jheu.201611021
%X 为了解决多数据集间联合特征提取时数据分布多样、集间相关性结构复杂和共享特征方法多样的问题，本文提出了广义多线性混合效应模型。作为一种非监督多数据集特征提取方法，本算法可挖掘多个数据集之间的共享信息，实现对多数据集全局、局部和个体特征的提取。本算法利用了传统的广义线性模型，使其可以处理不同分布的张量数据集；并提出了一种基于超图的关系模型。该模型利用关系矩阵可以实现对数据集间相关结构的建模；通过提出辅助模式的概念，实现了特征的自动归类。数值实验结果表明：利用本算法提取的特征不仅反映了多数据集间的共同与个体信息，并且在人脸识别和推荐系统等问题中性能优于传统算法。
%K 广义线性模型
%K 张量分解
%K 特征提取
%K 多数据集学习
%K 超图模型
%U http://heuxb.hrbeu.edu.cn/oa/darticle.aspx?type=view&id=201611021