基于Fisher判别的半监督天体光谱数据特征降维

• 作者: 盛英
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: 半监督降维 PCA 天体光谱数据 Fisher判别分析
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 计算机与信息科学
• 页码范围: 331-336
• 页数: 6页
• 分类号: TP311
• 字数: 5285字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2012.05.001

摘要

降维是天体光谱数据预处理常用的手段之一，如何利用标号天体光谱数据，克服降维过程中的过分拟合，是提高降维效果的有效途径之一。采用半监督学习，给出了一种天体光谱数据特征降维方法。该方法首先针对具有标号天体光谱数据，建立Fisher判别分析和PCA可变动选择的不确定关系；其次构建其半监督降维的全局最优化形式，通过特征值分解计算降维结果，从而有效地克服了天体光谱降维过程中的过分拟合问题；最后采用高红移类星体和晚型星SDSS天体光谱特征线数据集，实验验证了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	盛英	太原科技大学计算机科学与技术学院	1	0	0.0	0.0