| 半监督稀疏近邻保持投影 |
| |
| 引用本文： | 吴振宇,侯冰洋,王辉兵,刘胜蓝,冯林.半监督稀疏近邻保持投影[J].系统工程与电子技术,2018,40(4):934-940. |
| |
| 作者姓名： | 吴振宇 侯冰洋 王辉兵 刘胜蓝 冯林 |
| |
| 作者单位： | 大连理工大学创新创业学院, 辽宁 大连 116024 |
| |
| 摘 要： | 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。
|
Semi-supervised sparsity neighboring preserving projection |
| |
| WU Zhenyu,HOU Bingyang,WANG Huibing,LIU Shenglan,FENG Lin.Semi-supervised sparsity neighboring preserving projection[J].System Engineering and Electronics,2018,40(4):934-940. |
| |
| Authors: | WU Zhenyu HOU Bingyang WANG Huibing LIU Shenglan FENG Lin |
| |
| Institution: | School of Innovation and Entrepreneurship, Dalian University of Technology, Dalian 116024, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《系统工程与电子技术》浏览原始摘要信息 |
| 点击此处可从《系统工程与电子技术》下载免费的PDF全文 |
|
