首页|LPA-SKFST半监督特征提取方法

LPA-SKFST半监督特征提取方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Semi-supervised feature extraction method based on LPA-SKFST

彭杰、龚晓峰、李剑

展开 >

四川大学 电气工程学院,成都610065

浙江农林大学 信息工程学院,杭州311300

KPCA KFST LDA 双向正则 全局结构保持正则 成对空间求解方法

浙江省公益技术研究计划项目

LGG18F030006

2021

10.19734/j.issn.1001-3695.2020.09.0244

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(6)
  • 1
  • 5