首页 | 本学科首页   官方微博 | 高级检索  
     

快速核有监督局部保留投影算法
引用本文:张亮, 黄曙光, 郭浩. 快速核有监督局部保留投影算法[J]. 电子与信息学报, 2011, 33(5): 1049-1054. doi: 10.3724/SP.J.1146.2010.01044
作者姓名:张亮  黄曙光  郭浩
作者单位:电子工程学院;
摘    要:
为了提取样本中的非线性模式,保持其中的流形结构以及减少投影时间,该文提出了一种快速核有监督局部保留投影算法。该算法使用有监督聚类选择法选取训练集的一个子集进行子集核主成分分析,然后在子集核主成分分析形成的子空间中进行有监督局部保留投影。实验结果表明:相对于有监督局部保留投影算法以及现有的几种流行特征提取方法,新算法能够取得更高的识别率;相对于现有的核投影算法,新算法的投影速度更快。在有些数据集上,只要普通核投影十分之一左右的时间,就能达到相同甚至更高的识别率。

关 键 词:模式识别   特征提取   有监督局部保留投影   子集核主成分分析
收稿时间:2010-09-25
修稿时间:2011-01-11

A Fast Kernel Supervised Locality Preserving Projection Algorithm
Zhang Liang, Huang Shu-Guang, Guo Hao. A Fast Kernel Supervised Locality Preserving Projection Algorithm[J]. Journal of Electronics & Information Technology, 2011, 33(5): 1049-1054. doi: 10.3724/SP.J.1146.2010.01044
Authors:Zhang Liang  Huang Shu-guang  Guo Hao
Affiliation:Zhang Liang Huang Shu-guang Guo Hao(Electronic Engineering Institute,Hefei 230037,China)
Abstract:
To extract nonlinear patterns,preserve the manifold structure,and reduce the projection time,a Fast Kernel Supervised Locality Preserving Projection(FKSLPP) algorithm is proposed.This new algorithm firstly selects a subset of the training set by supervised cluster selection algorithm to do Subset Kernel Principal Component Analysis(SKPCA),and then Supervised Locality Preserving Projection(SLPP) is performed in SKPCA subspace.Experiments results show that compared with SLPP and some other popular feature ext...
Keywords:Pattern recognition  Feature extraction  Supervised locality preserving projection  Subset kernel principal component analysis  
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《电子与信息学报》浏览原始摘要信息
点击此处可从《电子与信息学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号