基于正则化的半监督等距映射数据降维方法

• 作者: 姚明海 王宪保 陈诗文
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 数据降维 流形学习 半监督学习 正则化
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 研究简报
• 页码范围: 241-245
• 页数: 5页
• 分类号: TP391
• 字数: 3585字
• 语种: 中文
• DOI: 10.11999/JEIT150694

摘要

针对等距映射(ISOMAP)算法无监督,不能生成显式映射函数等局限性,该文提出一种正则化的半监督等距映射(Reg-SS-ISOMAP)算法.该算法首先利用训练样本的标签样本构建K联通图(K-CG),得到近似样本间测地线距离,并作为矢量特征代替原始数据点;然后通过测地线距离计算核矩阵,用半监督正则化方法代替多维尺度分析(MDS)算法处理矢量特征;最后利用正则化回归模型构建目标函数,得到低维表示的显式映射.算法在多个数据集上进行了比较实验,结果表明,文中提出的算法降维效果稳定,识别率高,显示了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚明海	浙江工业大学信息工程学院	91	1088	17.0	30.0
2	王宪保	浙江工业大学信息工程学院	26	423	9.0	20.0
3	陈诗文	浙江工业大学信息工程学院	2	8	1.0	2.0