-
题名半监督稀疏近邻保持投影
被引量：4
- 1
-
-
作者
吴振宇
侯冰洋
王辉兵
刘胜蓝
冯林
-
机构
大连理工大学创新创业学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2018年第4期934-940,共7页
-
基金
国家自然科学基金(61370200
61602082
+2 种基金
61672130)
中国博士后面上资助项目(2015M581331)
中央高校基本科研业务费资助课题
-
文摘
提出了改进的稀疏子空间学习方法。首先,提出了稀疏近邻相关性重构模型,该模型通过提取样本间的局部信息和标记样本的标签信息,解决了稀疏子空间学习的全局特征导致数据描述不充分的问题;其次,利用半监督技术,引入正则化参数对无标签判别特征和标签判别特征进行特征融合,提高了基于稀疏近邻相关性重构的子空间学习算法的性能。实验结果表明,该方法具有较高的分类性能和识别率,此外,稀疏近邻相关性重构在提取判别信息时具有良好的稳定性。
-
关键词
子空间学习
半监督
稀疏近邻保持投影
-
Keywords
subspace learning
semi-supervised
sparsity neighboring preserving projection (SNPP)
-
分类号
TP319
[自动化与计算机技术—计算机软件与理论]
-
