摘要:
提出了改进的稀疏子空间学习方法。首先,提出了稀疏近邻相关性重构模型,该模型通过提取样本间的局部信息和标记样本的标签信息,解决了稀疏子空间学习的全局特征导致数据描述不充分的问题;其次,利用半监督技术,引入正则化参数对无标签判别特征和标签判别特征进行特征融合,提高了基于稀疏近邻相关性重构的子空间学习算法的性能。实验结果表明,该方法具有较高的分类性能和识别率,此外,稀疏近邻相关性重构在提取判别信息时具有良好的稳定性。
吴振宇, 侯冰洋, 王辉兵, 刘胜蓝, 冯林. 半监督稀疏近邻保持投影[J]. 系统工程与电子技术, 2018, 40(4): 934-940.
WU Zhenyu, HOU Bingyang, WANG Huibing, LIU Shenglan, FENG Lin. Semi-supervised sparsity neighboring preserving projection[J]. Systems Engineering and Electronics, 2018, 40(4): 934-940.