基于局部与全局保持的半监督维数约减方法
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.
边信息、局部与全局保持、半监督学习、维数约减、图嵌入
19
TP181(自动化基础理论)
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
2009-02-10(万方平台首次上网日期,不代表论文的发表时间)
共10页
2833-2842