基于局部与全局保持的半监督维数约减方法

摘要：

在很多机器学习和数据挖掘任务中,仅仅利用边信息(side-information)并不能得到最好的半监督学习(semi-supervised learning)效果,因此,提出一种基于局部与全局保持的半监督维数约减(local and global preserving based semi-supervised dimensionality reduction,简称LGSSDR)方法.该算法不仅能够保持正、负约束信息而且能够保持数据集所在低维流形的全局以及局部信息.另外,该算法能够计算出变换矩阵并较容易地处理未见样本.实验结果验证了该算法的有效性.

关键词：边信息、局部与全局保持、半监督学习、维数约减、图嵌入

所属期刊栏目：19

分类号：TP181(自动化基础理论)

资助基金：the Natural Science Foundation of Guangdong Province of China under Grant No.07006474;the sci & Tech Research project of Guangdong Province of China under Grant No.2007B010200044

在线出版日期：2009-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2833-2842