基于流形距离的半监督判别分析

• 作者: 王守觉 魏莱
• 来源期刊: 软件学报
• 学科: 工学
• 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
• 年，卷（期）: 2010,（10）
• 页码范围: 2445-2453
• 分类号: TP181
• 字数: 6365字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03629

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王守觉	中国科学院半导体研究所	98	2686	26.0	49.0
2	魏莱	同济大学计算机科学与技术系	11	244	7.0	11.0