基于判别特征加权的GPLVM算法  

Weighted GPLVM Algorithm Based on Discriminant Features

作　　者：王秀美[1] 高新波[1] 

机构地区：[1]西安电子科技大学电子工程学院,西安710071

出　　处：《计算机科学》2009年第3期189-192,共4页Computer Science

基　　金：新世纪优秀人才支持计划(No.NCET-04-0948);教育部长江学者和创新团队支持计划(No.IRT0645);国家自然科学基金(No.60702061)资助

摘　　要：高斯过程隐变量模型是最近提出的比较流行的无监督降维方法。但是,它是一种无监督的机器学习算法,没有突出类结构,使得结果不能有效地表示类别信息。因此,提出一种利用判别特征值对高斯过程隐变量模型进行加权的算法,该算法不仅能够加强模型在低维流形上的判别性,而且能很好地保持类内的流形结构。Gaussian process latent variable model （GPLVM） is a popular manifold method recently proposed for dimensional reduction. However it cannot keep some class structure of datasets for it is an unsupervised learning method. A weighted GPLVM algorithm will be given using the discriminant features. This algorithm can approve an discrimiant results and keep good manifold in each class.

关 键 词：高斯过程隐变量模型 因子分析 概率主成分分析 局部Fisher判别分析 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] O211.6[自动化与计算机技术—控制科学与工程]