基于GPU并行加速的多特征融合的超图降维方法

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.针对多特征数据提出了新的半监督降维方法.首先,以超图中的超边作为片,使超图应用到片对齐框架中.然后,通过统计片中相邻的特征对的距离计算超边的权重,使得不同特征下的片得到结合.其次,由于欧氏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,因此使用GPU对其进行加速.实验结果表明了所提方法在分类性能和学习速度上的提升效果.