基于局部与全局保持的半监督维数约减方法

被引：26

作者：

韦佳

彭宏

机构：

[1] 华南理工大学计算机科学与工程学院

来源：

软件学报 | 2008年 / 11期

基金：

广东省自然科学基金;

关键词：

边信息; 局部与全局保持; 半监督学习; 维数约减; 图嵌入;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在很多机器学习和数据挖掘任务中,仅仅利用边信息(side-information)并不能得到最好的半监督学习(semi-supervised learning)效果,因此,提出一种基于局部与全局保持的半监督维数约减(local and global preserving based semi-supervised dimensionality reduction,简称LGSSDR)方法.该算法不仅能够保持正、负约束信息而且能够保持数据集所在低维流形的全局以及局部信息.另外,该算法能够计算出变换矩阵并较容易地处理未见样本.实验结果验证了该算法的有效性.

引用

页码：2833 / 2842

页数：10

共 3 条

[1] Extending the relevant component analysis algorithm for metric learning using both positive and negative equivalence constraints [J].