基于概率类和不相关判别的半监督局部Fisher方法

• 作者: 孙博 王寅同 王建东 陈海燕
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: Fisher判别分析 维数约简 概率类 不相关判别 半监督学习
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 32-38
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2013.1673

摘要

Fisher判别分析是统计模式识别中经典的有监督维数约简方法，可以在最大化类间散度的同时最小化类内散度，但存在分析过程中仅使用有标记数据而忽略无标记数据的问题。鉴于此，提出基于概率类和不相关判别的半监督局部Fisher (SLFisher)方法，以实现半监督学习的高维映射到低维的类间数据对尽可能地分离，且类内邻近数据尽可能地紧凑。采用2组标准数据集进行实验，结果表明了SLFisher方法能够有效提高识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建东	南京航空航天大学计算机科学与技术学院	158	1573	21.0	31.0
2	陈海燕	南京航空航天大学计算机科学与技术学院	37	269	7.0	15.0
3	孙博	南京航空航天大学计算机科学与技术学院	7	150	4.0	7.0
4	王寅同	南京航空航天大学计算机科学与技术学院	5	75	4.0	5.0