半监督典型相关分析算法

• 作者: 张道强 彭岩
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 典型相关分析 半监督学习 成对约束 降维 分类
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 半监督学习
• 页码范围: 2822-2832
• 页数: 11页
• 分类号: TP181
• 字数: 7679字
• 语种: 中文

摘要

在典型相关分析算法(canonical correlation analysis,简称CCA)的基础上,通过引入以成对约束形式给出的监督信息,提出了一种半监督的典型相关分析算法(Semi-CCA).在此算法中,除了考虑大量的无标号样本以外,还考虑成对约束信息,即已知两样本属于同一类(正约束)或不属于同一类(负约束),同时验证了两者的相对重要性.在人工数据集、多特征手写体数据集和人脸数据集(Yale和AR)上的实验结果表明,Semi-CCA 能够有效地利用少量的监督信息来提高分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭岩	南京航空航天大学计算机科学与工程系	2	110	2.0	2.0
2	张道强	南京航空航天大学计算机科学与工程系	51	491	11.0	20.0