计算技术与自动化
計算技術與自動化
계산기술여자동화
Computing Technology and Automation
2015年
3期
123-126
,共4页
加权线性判别分析%最大散度差%无监督判别分析%半监督
加權線性判彆分析%最大散度差%無鑑督判彆分析%半鑑督
가권선성판별분석%최대산도차%무감독판별분석%반감독
Weighted Linear Discriminant Analysis (WLDA)%maximum scatter difference%Unsupervised Discriminant Projection (UDP)%semi-supervised
为了克服加权线性判别分析(WLDA)只利用有标签的训练样本而不能反映样本数据流形结构的缺点，提出一种正则化的半监督判别分析方法。首先构建所有样本的近邻图来估计数据的局部流形结构，然后将此作为正则项引入 WLDA 的准则函数中。该方法避免了类内散度矩阵奇异，同时保持了样本数据的判别结构和几何结构。在 ORL 和 YALE 人脸数据库上的实验结果证明了该算法的有效性。
為瞭剋服加權線性判彆分析(WLDA)隻利用有標籤的訓練樣本而不能反映樣本數據流形結構的缺點，提齣一種正則化的半鑑督判彆分析方法。首先構建所有樣本的近鄰圖來估計數據的跼部流形結構，然後將此作為正則項引入 WLDA 的準則函數中。該方法避免瞭類內散度矩陣奇異，同時保持瞭樣本數據的判彆結構和幾何結構。在 ORL 和 YALE 人臉數據庫上的實驗結果證明瞭該算法的有效性。
위료극복가권선성판별분석(WLDA)지이용유표첨적훈련양본이불능반영양본수거류형결구적결점，제출일충정칙화적반감독판별분석방법。수선구건소유양본적근린도래고계수거적국부류형결구，연후장차작위정칙항인입 WLDA 적준칙함수중。해방법피면료류내산도구진기이，동시보지료양본수거적판별결구화궤하결구。재 ORL 화 YALE 인검수거고상적실험결과증명료해산법적유효성。
A new semi-supervised discriminant analysis algorithm algorithm based on manifold regularization is proposed for the disadvantage of Weighted Linear Discriminant Analysis (WLDA).Which can avoid the singularity of the total-scatter matrix,and the discriminant structure and the intrinsic geometrical structure of the sample was be preserved.A nearest neighbor graph was constructed first to estimate the intrinsic geometrical structure of the sample,and then the graph struc-ture was incorporated into the objective function of the multivariate linear regression as a regularization term.Experimental results on ORL and Yale face recognition demonstrate the effectiveness of the algorithm.
