作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对Laplacian分值法进行特征选择时过分依赖样本局部结构信息的不足,提出一种改进的基于约束Laplacian分值的半监督特征选择算法.该算法利用样本之间的cannot-link成对约束关系作为全局结构信息,在进行特征选择时,不仅能尽量保持局部结构信息,而且还尽量保持了全局的cannot-link约束关系.基于Yale和PIE(Fave pose,Illamination,Expression dadbase)人脸数据库的实验表明,该算法性能显著优于Laplacian分值法,与Fisher分值法和最新的约束分值法相当,且在稳定性方面优于后者.
推荐文章
基于流形学习的约束Laplacian分值多标签特征选择
多标签分类
特征选择
多标签流形学习
Laplacian分值
基于 Hessian半监督特征选择的网络图像标注
网络图像标注
半监督学习
Hessian 能
特征选择
基于约束低秩表示模型的联合半监督分类算法
低秩表示
约束矩阵
约束的低秩表示
半监督学习
一种基于Laplacian的半监督特征选择模型
学习算法
特征选择
无标签样本
LASSO算法
正则化项
半监督
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于约束Laplacian分值的半监督特征选择算法
来源期刊 吉林大学学报(信息科学版) 学科 工学
关键词 特征选择 局部结构信息 cannot-link约束 半监督学习
年,卷(期) 2010,(4) 所属期刊栏目
研究方向 页码范围 404-409
页数 分类号 TP391.4
字数 4214字 语种 中文
DOI 10.3969/j.issn.1671-5896.2010.04.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王磊 西南财经大学经济信息工程学院 56 233 9.0 12.0
2 刘艳 西南财经大学经济信息工程学院 11 30 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (24)
参考文献  (6)
节点文献
引证文献  (8)
同被引文献  (10)
二级引证文献  (27)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(7)
  • 引证文献(2)
  • 二级引证文献(5)
2017(10)
  • 引证文献(2)
  • 二级引证文献(8)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
特征选择
局部结构信息
cannot-link约束
半监督学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
吉林大学学报(信息科学版)
双月刊
1671-5896
22-1344/TN
大16开
长春市南湖大路5372号
1983
chi
出版文献量(篇)
2333
总下载数(次)
2
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导