一种基于核的半监督局部线性嵌入方法

摘要：

在局部线性嵌入算法中,标签价值没有得到充分体现.针对该问题,提出一种基于核的半监督局部线性嵌入方法.考虑到欧氏距离容易破坏流形结构,将原始数据映射到高维核空间,利用高维空间中的核距离代替欧氏距离,采用半监督标签信息调整距离矩阵,通过调整后的距离矩阵对数据结构进行线性重建,从而提高算法的降维性能.在标准数据集、人脸库、字符库等数据上进行实验,结果表明,与传统局部线性嵌入算法相比,该方法的辨识率提高了2％

关键词：流形学习、半监督学习、局部线性嵌入、人脸识别、字符识别

所属期刊栏目：37

分类号：N945(系统科学)

资助基金：国家自然科学基金资助项目60905009;南京航空航天大学基本科研业务费专项科研基金资助项目1 003-56v 1089,NS2010081;高等学校博士学科点专项科研基金资助项目20093218120015;中国科学院遥感应用研究所、北京师范大学遥感科学国家重点实验室开放基金资助项目2009KFJJ012

在线出版日期：2012-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：157-159