一种增量式类内局部保持降维算法

• 作者: 王万良 郑建炜 陈旻昊 黄琼芳
• 来源期刊: 计算机科学
• 关键词: 在线学习 局部保持 特征降维
• 年，卷（期）: 2012,（z3）
• 所属期刊栏目: 信息存储与挖掘
• 页码范围: 154-158
• 页数: 5页
• 字数: 6809字
• 语种: 中文

摘要

针对在线学习中的算法效率问题,提出了一种增量式类内局部保持降维算法.该算法综合考虑了基于QR分解的降维算法与保类内Fisher判别分析法的优点,根据训练过程中新增的样本进行投影矩阵在线更新,克服了传统的批量式训练方法在线学习时计算量过分冗余的缺陷.同时,通过兼顾输入样本的局部结构和全局分布状态,使得该算法能够有效地应用于多簇、重叠的数据形态.在ORL人脸库和COIL20图像库上的实验表明,该增量式算法不仅在降维效果上基本与批量式算法保持一致,而且具有较大的效率优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王万良	浙江工业大学计算机学院	303	3770	29.0	48.0
2	郑建炜	浙江工业大学计算机学院	42	161	7.0	10.0
3	黄琼芳	浙江工业大学计算机学院	2	13	2.0	2.0
4	陈旻昊	浙江工业大学计算机学院	1	3	1.0	1.0