半监督典型相关分析算法

半监督典型相关分析算法

ID:34093820

大小:519.12 KB

页数:11页

时间:2019-03-03

半监督典型相关分析算法_第1页
半监督典型相关分析算法_第2页
半监督典型相关分析算法_第3页
半监督典型相关分析算法_第4页
半监督典型相关分析算法_第5页
资源描述:

《半监督典型相关分析算法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、ISSN1000-9825,CODENRUXUEWE—mail:jos@iscas.ac.enJournalofSoftware,Vo1.19,No.11,November2008,PP.2822—2832http://www.jos.org.enDOI:l0.3724/SP.J.1O01.2008.02822TI,Fax:+86.10.62562563@2008byJournalofSoftware.Allrightsreserved.半监督典型相关分析算法彭岩,张道强(南京航空航天大学计算机科学与工程系,江苏南京210016)Semi-SupervisedCanonicalCorr

2、elationAnalysisAlgorithmPENGYan,ZHANGDao.Qiang(DepartmentofComputerScienceandEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)+Correspondingauthor:E—mail:dqzhang@nuaa.edu,cnPengY,ZhangDQ.Semi—Supervisedcanonicalcorrelationanalysisalgorithm.JournalofSoftware,2008,19(1

3、1):2822—2832.http://wwwjos.org.cn/lO00—9825/19/2822.htmAbstract:Inthispaper,asemi-supervisedcanonicalcorrelationanalysisalgorithmcalledSemi—CCAisdeveloped,whichusessupervisioninformationintheformofpair-wiseconstraintsincanonicalcorrelationanalysis(CCA).Inthissetting,besidesabundantunlabeleddatae

4、xamples,thedomainknowledgeintheformofpair—wiseconstraintswhichspecifywhetherapairofdataexamplesbelongstothesameclass(must—linkconstraints)ornot(cannot—linkconstraints)isalsoavailable.Meanwhile,therelativeimportanceofmust—linkconstraintsandcannot—linkconstraintsisvalidated.Experimentalresultsonth

5、eartificialdataset,multiplefeaturedatabaseandfacialdatabaseincludingYaleandARshowthattheproposedSemi—CCAcanefectivelyenhancetheclassifierperformancebyusingonlyasmallamountofsupervisioninformation.Keywords:canonicalcorrelationanalysis;semi-·supervisedlearning;pair--wiseconstraints;dimensionalityr

6、eduction;classification摘要:在典型相关分析算~(canonicalcorrelationanalysis,简称CCA)的基础上,通过引入以成对约束形式给出的监督信息,提出了一种半监督的典型相关分析算~(Semi—CCA).在此算法中,除了考虑大量的无标号样本以外,还考虑成对约束信息,即已知两样本属于同一类(正约束)或不属于同一类(负约束),同时验证了两者的相对重要性.在人工数据集、多特征手写体数据集和人脸数据集(Yale和AR)_E的实验结果表明,Semi.CCA能够有效地利用少量的监督信息来提高分类性能.关键词:典型相关分析;半监督学习;成对约束;降维;分类中

7、图法分类号:TP181文献标识码:A典型相关分析(canonica1corelationanalysis,简称CCA)It~与主成分分析(principa1componentanalysis,简称PCA)l类似,在模式识别中的降维和数据可视化的应用中,都是经实验验证过的有效方法.PCA是一种单模态分析方法,所谓的单模态识别是指利用从单一信息渠道获得的观察样本进行识别的技术.而CCA更侧重于多模态+SupportedbytheNationalNa

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。