半监督有局部差异的图嵌入算法  

Semi-supervised local diversity graph embedding algorithm

作　　者：梁兴柱[1] 林玉娥[1] 林玉荣[2] 

机构地区：[1]安徽理工大学计算机科学与工程学院,安徽淮南232011 [2]哈尔滨工业大学航天学院,黑龙江哈尔滨150001

出　　处：《传感器与微系统》2014年第7期144-146,153,共4页Transducer and Microsystem Technologies

基　　金：国家自然科学基金资助项目(60975009);安徽省自然科学基金资助项目(1208085QF123);安徽省高等学校自然科学基金资助项目(KJ2012Z084);安徽理工大学青年教师科学研究基金资助项目(2012QNZ10)

摘　　要：针对已有基于图嵌入的半监督算法的缺点,提出了一种半监督有局部差异的图嵌入算法。算法的思想是在保持数据的几何结构同时,最大化样本的差异信息,可有效地防止过学习问题。为了解决小样本问题,采用了差形式的目标函数,并通过参数来调整两部分样本所起作用的大小。最后在ORL和UMIST人脸库上进行了实验,实验结果明显优于已有2种经典算法的识别结果,最优时识别率提高了2.25%和2.23%。Aiming at the shortcomings of semi-supervised algorithm based on graph embedding,a novel method called semi-supervised local diversity graph embedding algorithm（ SLDGEA） is proposed.The idea of this algorithm preserves the local structure and simultaneously maximizes the diversity of data,SLDGEA can avoid the data over-learning problem.In order to solve small sample problem,SLDGEA adopts differential form of the criterion function,which can adjust samples effect of the two parts through parameters.Experimental results on ORL and UMIST face databases demonstrate that SLDGEA is better than the existing two kinds of classical algorithms and the optimal recognition rates are improved by 2.25 % and 2.23 %.

关 键 词：半监督算法 差异 过学习问题 小样本问题 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]