半监督模糊Fisher降维分析

• 作者: 李志伟 杨昔阳 邓朝阳
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 模糊隶属度 主成分分析 局部Fisher判别分析 广义特征值问题
• 年，卷（期）: 2015,（6）
• 页码范围: 869-875
• 页数: 7页
• 分类号: TP301|O212
• 字数: 4823字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.2015.06.022

摘要

针对少量具有模糊隶属度类别的数据和大量未知类别的数据组成的数据集,提出了一种结合主成分分析(principle component analysis,PCA)和局部Fisher判别分析的半监督降维方法.这种半监督方法结合了PCA和局部Fisher判别的优点,一方面可保持所有数据的全局分布结构,另一方面又体现了已知类别属性的样本分类信息.所提出的模型可以通过求解特征值问题得到.实验表明,在获取较为准确的模糊隶属度的情况下,这种算法可以有效地对多维数据进行降维.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志伟	泉州师范学院大数据重点实验室	34	68	5.0	7.0
2	杨昔阳	泉州师范学院大数据重点实验室	50	131	7.0	9.0