基于成对约束和稀疏保留的数据降维算法  

Dimensionality Reduction Algorithm Based on Pair-wise Constraints and Sparsity Preserving

作　　者：王颖静[1] 王正群[1] 张国庆[1] 俞振洲[1] 

机构地区：[1]扬州大学信息工程学院,江苏扬州225009

出　　处：《计算机工程》2011年第24期193-194,197,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60875004);江苏省自然科学基金资助项目(BK2009184);江苏省高校自然科学基金资助项目(10KJB510027;07KJB520133)

摘　　要：结合以成对约束形式给出的监督信息和无监督信息,提出一种基于成对约束和稀疏保留的数据降维算法。通过成对约束信息进行鉴别分析,利用稀疏表示方法保留数据集在变换空间中的全局稀疏结构。实验结果表明,与传统特征抽取算法相比,该算法的识别效果更好,需要调节的参数更少,且鲁棒性较高。This paper presents a dimensionality reduction algorithm based on pair-wise constraints and sparsity preserving. It combines some supervised information in the form of pair-wise constraints and large number of unsupervised information. It uses pair-wise constraints to discriminant analysis and uses sparse representation to preserve the sparse reconstructive structure in the transformed space. Compared with the traditional feature extraction method, this algorithm has a better recognition impact, lower parameters, and better robustness.

关 键 词：稀疏保留 机器学习 特征提取 人脸识别 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]