一种高性能改进型半监督维数约减算法

摘要：

针对局部重构和全局保持的半监督维数约减算法在对类内、类间关系进行处理时忽略了数据的局部性的缺点，以及增强的半监督局部Fisher判别分析算法在保持数据流形结构时忽略了数据流形结构局部性的缺点，提出一种改进型的半监督维数约减算法。该算法通过一种改进的热核权重来表示样本间距离的重要性，以此使得处于同一类簇的类内、类间关系更加得到重视，可以优先减少或加大处于同一类簇的类内或类间距离；此外在保持数据流形结构时，采用局部线性嵌入算法的思想，即要求低维空间里每个点的邻域线性重构关系和该点在高维空间里的邻域重构关系类似，并将数据流形结构的局部性考虑进去。实验结果表明，该算法在COIL20，Extended YaleB与CM U PIE等标准库上的分类性能比其他半监督维数约减算法更具优势。

关键词：局部Fisher判别、局部重构、半监督学习、维数约减

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：137-145