半监督局部判别分析  

Semi-Supervised Local Discriminant Analysis

作　　者：姜伟[1,2] 杨炳儒[1] 

机构地区：[1]北京科技大学信息工程学院,北京100083 [2]辽宁师范大学数学学院,辽宁大连116029

出　　处：《计算机工程》2011年第8期153-154,157,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60675030)

摘　　要：针对无监督学习及有监督学习算法的缺点,提出一种半监督局部判别分析的线性降维算法。数据在没有足够的训练样本时,局部结构比全局结构更重要。算法在每一个局部区域利用有标签数据推导出数据的局部判别结构,无标签数据和有标签数据推导出数据的内在几何结构。在ORL和Yale人脸数据库上的实验结果表明该算法是有效的。Aiming at the disadvantage of unsupervised method and supervised method,a linear dimensionality reduction method called Semi-supervised Local Discriminant Analysis（SLDA） is proposed.When there is no sufficient training sample,local structure is generally more important than global structure.SLDA utilizes the labeled data points to infer the local discriminant structure,as well as the intrinsic geometrical structure inferred from both labeled and unlabeled data points at each local area.Experimental results on ORL and Yale face recognition demonstrate the effectiveness of the algorithm.

关 键 词：判别结构 半监督 局部保持投影 局部判别分析 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]