离群样本划分的半监督模糊学习策略

• 作者: 宋晓宁 杨习贝 杨静宇
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 特征抽取 模糊线性鉴别分析 离群样本 半监督学习 图像识别
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 971-978
• 分类号: TP391.41
• 字数: 7200字
• 语种: 中文

摘要

建立一种离群样本划分的半监督模糊学习算法模型.首先,提出一种基于Hopfield参数估计的松弛条件模糊鉴别分析算法,重新定义每一个样本的隶属度,并在特征抽取的过程中,根据隶属度对散布矩阵的定义所做的贡献获得每个样本相应的类别信息,由此获得普通样本分类信息.其次,根据样本隶属度的分布信息划分出离群样本空间,将普通样本分类结果作为离群样本聚类的先验类属信息,并对该空间样本提出一种新的半监督模糊学习策略进行动态聚类.该算法同时具备了监督学习和无监督学习方法的优势,克服了传统聚类缺乏类过程知识的缺点,可以有效地解决特征空间中特殊样本的分类问题.性能分析表明,该方法优于单一的特征抽取方法,在NUST603、ORL、XM2VTS和FERET人脸数据库上的识别性能均得到有效提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨习贝	江苏科技大学计算机科学与工程学院	86	555	13.0	20.0
3	杨静宇	南京理工大学计算机科学与技术学院	623	11098	50.0	74.0
4	宋晓宁	江苏科技大学计算机科学与工程学院	33	123	6.0	9.0