基于流形距离的半监督判别分析

被引：20

作者：

魏莱 ^{[1
]}

王守觉 ^{[2
]}

机构：

[1] 同济大学计算机科学与技术系

[2] 不详

来源：

软件学报 | 2010年 / 21卷 / 10期

关键词：

主成分分析; 线性判别分析; 流形距离; 半监督判别分析;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

大量无类别标签的数据具有对分类有用的信息,有效地利用这些信息来提高分类精确度,是半监督分类研究的主要内容.提出了一种基于流形距离的半监督判别分析(semi-supervised discriminant analysis based on manifold distance,简称SSDA)算法,通过定义的流形距离,能够选择位于流形上的数据点的同类近邻点、异类近邻点以及全局近邻点,并依据流形距离定义数据点与其各近邻点之间的相似度,利用这种相似度度量构造算法的目标函数.通过在ORL,YALE人脸数据库上的实验表明,与现有算法相比,数据集通过该算法降维后,能够使基于距离的识别算法具有更高的分类精确度.同时,为了解决非线性降维问题,提出了Kernel SSDA,同样通过实验验证了算法的有效性.

引用

页码：2445 / 2453

页数：9