基于稀疏表示的半监督降维方法  

Semi-supervised dimensionality reduction based on sparsity representation

作　　者：张春涛[1] 郭皎[1] 徐家良[1] 

机构地区：[1]重庆三峡学院数学与计算机科学学院,重庆404100

出　　处：《计算机工程与应用》2011年第20期181-183,187,共4页Computer Engineering and Applications

基　　金：重庆市教委科技项目(No.KJ111106)

摘　　要：提出一种基于稀疏表示的半监督降维方法(SpSSDR)。不同于其他基于图的半监督降维方法分步构图,SpSSDR通过稀疏重构系数来同时定义图上边连接性及边权重,再结合边约束信息进行降维。在高维人脸数据上的实验表明,SpSSDR不仅对噪声鲁棒,对边信息的利用也更有效。A Semi-Supervised Dimensionality Reduction method based on Sparsity Representation（SpSSDR） is proposed.Unlike other semi-supervised dimensionality reduction methods that construct graphs in steps, SpSSDR simultaneously defines the connectivity and the edges＇ weights of a graph via sparsity reconstruction coefficients, and then exploits pairwise constraints for dimensionality reduction.Experiments on high dimensional facial data show that SpSSDR is not only robust to noise but also making use of pairwise constraints efficiently.

关 键 词：降维 连接性与权重 稀疏表示 边约束 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]