局部敏感的半监督数据降维方法
来源期刊:湖南科技大学学报自然科学版2009年第3期
论文作者:曾青松 贺卫国
关键词:行为识别; 特征提取; 主成份分析; 线性鉴别分析; 数据降维;
摘 要:在许多机器学习的任务中,人们常常使用有标签的数据,但是现实中无标签的数据是大量存在的.提出一种基于半监督学习理论的数据降维方法,为能够发现局部的流形结构,算法寻找一个能够最小化类内距离,同时最大化类间距离的投影,同时在最优化过程中借助无标签数据作为调节因子.多个数据库上测试的结果验证了算法的有效性.图2,参13.
曾青松1,贺卫国3
(1.广州番禺职业技术学院,信息工程学院,广东,广州,511483;
2.中山大学,信息科学与技术学院,广东,广州,510275;
3.广东商学院,信息学院,广东,广州,510320)
摘要:在许多机器学习的任务中,人们常常使用有标签的数据,但是现实中无标签的数据是大量存在的.提出一种基于半监督学习理论的数据降维方法,为能够发现局部的流形结构,算法寻找一个能够最小化类内距离,同时最大化类间距离的投影,同时在最优化过程中借助无标签数据作为调节因子.多个数据库上测试的结果验证了算法的有效性.图2,参13.
关键词:行为识别; 特征提取; 主成份分析; 线性鉴别分析; 数据降维;
【全文内容正在添加中】