一种新的基于最大边缘准则的监督流形学习方法

• 作者: 原媛 杨瑞国 袁暋 雷迎科
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 特征提取 子空间学习 局部样条嵌入 最大边缘准则 流形学习
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 273-279,301
• 页数: 8页
• 分类号: TP181
• 字数: 9587字
• 语种: 中文

摘要

在深入研究局部样条嵌入算法(LSE)的基础上,引入明确的线性映射关系,构建平移缩放模型和正交化特征子空间,提出了一种正交局部样条判别投影算法(OLSDP),有效解决了原始LSE算法存在的两个主要问题:样本外点学习问题和无监督模式学习问题.该算法能够应用于模式分类问题并显著改善算法的分类识别能力.在标准人脸数据库上进行的实验比较分析验证了该算法的有效性与可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁暋	合肥学院网络与智能信息处理重点实验室	28	218	9.0	14.0
2	杨瑞国		3	2	1.0	1.0
3	雷迎科		19	76	6.0	7.0
4	原媛		2	2	1.0	1.0