边信息传播修正的半监督维数约减方法  

Semi-supervised Dimensionality Reduction Method with Side-information Propagation and Revise

作　　者：刘利[1] 韦佳[2] 马千里[2] 

机构地区：[1]惠州学院计算机科学系,广东惠州516007 [2]华南理工大学计算机科学与工程学院,广州510641

出　　处：《小型微型计算机系统》2011年第6期1232-1236,共5页Journal of Chinese Computer Systems

基　　金：广东省自然科学基金项目(07006474;9451064101003233)资助;广东省科技攻关项目(2007B010200044)资助;华南理工大学中央高校基本科研业务费专项资金项目(2009ZM0189)资助

摘　　要：现有基于边信息的半监督维数约减算法大都是直接将保留边信息和数据拓扑结构的目标函数相加,因此数据拓扑结构中的错误连接不会因已知的边信息而得到修正.提出通过边信息传播及修正机制将边信息融入到数据拓扑结构图中的方法,从而在保留边信息的同时保留更为真实的数据拓扑结构信息.实验结果表明本文所提出的算法较之其它算法,对数据降维后用于分类时可取得较高的准确率,且算法对创建的KNN图中的参数K最具鲁棒性.The existed side information based semi-supervised dimensionality reduction algorithms add the objective functions that preserve side information and topology information directly,so the error edge in data topology can＇t be revised.We proposed a method that integrates side information into data structures by transferring and revising mechanism,so it can preserve side information and more really data topology.Experiment results show that data was reduced dimension by this algorithm can gain higher accuracy than other algorithms,and this algorithm is robust to parameter k of KNN graph.

关 键 词：半监督学习 维数约减 边信息传播 边信息修正 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]