《计算机应用研究》|Application Research of Computers

LPA-SKFST半监督特征提取方法

Semi-supervised feature extraction method based on LPA-SKFST

免费全文下载 (已被下载 次)  
获取PDF全文
作者 彭杰,龚晓峰,李剑
机构 四川大学 电气工程学院;浙江农林大学 信息工程学院
统计 摘要被查看 次,已被下载
摘要 针对传统LDA类半监督特征提取方法的解矢量非正交、解空间不稳定和非线性处理能力不足等问题,提出LPA-SKFST方法。该方法的前置级LPA通过标签传播提高标记样本容量,后置级SKFST(半监督核最佳鉴别矢量集)采用双向正则方法对KFST引入全局结构保持正则和Tikhonov正则,并以成对空间求解方法求取Fisher分母矩阵奇异和非奇异时的统一形式解。在Circle、Iris、Wine和自有珍珠光谱集的分类实验中,PCA、LDA、SLDA和SDG等组的准确率随样本集、标记样本占比和标签可靠性变化而波动,LPA-SKFST组则稳定保持在85%以上。该结果证明,LPA-SKFST能克服标记样本占比和标记可靠性不足局限,在实际集和线性不可分人工集上取得一致、稳定的优秀表现。
关键词 KPCA;KFST;LDA;双向正则;全局结构保持正则;成对空间求解方法
基金项目 浙江省公益技术研究计划资助项目(LGG18F030006)
本文URL http://www.arocmag.com/article/02-2021-06-034.html
收稿日期
修回日期
页码 -
中图分类号 TP181
文献标志码