基于概率类和不相关判别的半监督局部Fisher方法
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。
Fisher判别分析、维数约简、概率类、不相关判别、半监督学习
TP181(自动化基础理论)
国家自然科学基金重点项目61139002;国家863计划项目2012AA063301;中央高校基本科研业务费专项资金项目NS2012134, NZ2013306;江苏省博士后计划项目1301013A;中国民航信息技术科研基地开发基金项目CAAC-ITRB-201203
2015-01-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
32-38