×
于国贤;张国基;卡洛塔·多梅尼科尼;于志文;你，简

基于随机子空间降维的半监督分类。 （英语） Zbl 1227.68096号

模式识别 第3期第45页，第1119-1135页（2012年）.
摘要：图结构对基于图的半监督学习至关重要。然而，在半监督学习中，构建反映底层数据分布的图的问题很少被研究，尤其是对于高维数据。本文主要研究半监督学习中的图构造，提出了一种基于随机子空间降维的半监督分类方法，简称SSC-RSDR。与传统的在原始空间中进行基于图形的降维和分类的方法不同，SSC-RSDR在子空间中执行这些任务。更具体地说，SSC-RSDR生成原始空间的几个随机子空间，并在这些随机子空间中应用基于图形的半监督降维。然后在这些经过处理的随机子空间中构造图，并在图上训练半监督分类器。最后，它将得到的基本分类器组合成集成分类器。人脸识别任务的实验结果表明，SSC-RSDR不仅比竞争方法具有更好的识别性能，而且对输入参数的大范围值具有鲁棒性。

引用于8文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

图形构造;半监督分类;随机子空间;降维;量词集合

软件：

学习++。MF公司;AR面
PDF格式BibTeX公司 XML格式引用
\textit{G.Yu}等，模式识别45，No.3，1119--1135（2012；Zbl 1227.68096）
全文： 内政部

参考文献：

[1] 杜达，R.O。；哈特，体育。；斯托克·D·G，《模式分类》（2000），《威利-国际科学：威利-纽约国际科学》
[2] X.Zhu，《半监督学习文献》，技术报告1530，威斯康星大学麦迪逊分校计算机科学系，2008年。；X.Zhu，《半监督学习文献》，技术报告1530，威斯康星大学麦迪逊分校计算机科学系，2008年。
[3] 沙佩尔，O。；Schölkopf，B。；Zien，A.，《半监督学习》（2006），麻省理工学院出版社：麻省理学院出版社剑桥
[4] X.J.Zhu，Z.Ghahramani，J.Lafferty，使用高斯场和调和函数的半监督学习，收录于：第20届国际机器学习会议论文集，2003年。；X.J.Zhu，Z.Ghahramani，J.Lafferty，使用高斯场和调和函数的半监督学习，收录于：第20届国际机器学习会议（ICML），2003年。
[5] D.Y.Zhou，O.Bousquet，T.N.Lal，J.Weston，B.Schölkopf，《学习与地方和全球一致性》，收录于：《神经信息处理系统进展学报》，2003年。；D.Y.Zhou，O.Bousquet，T.N.Lal，J.Weston，B.Schölkopf，《学习与地方和全球一致性》，收录于：《神经信息处理系统进展学报》，2003年。
[6] 贝尔金，M。；Niyogi，P。；Sindhwani，V.，《流形正则化：从标记和未标记示例学习的几何框架》，《机器学习研究杂志》，7，2399-2434（2006）·Zbl 1222.68144号
[7] Wang，J.D。；Wang，F。；张，C.S。；沈海川。；Quan，L.，线性邻域传播及其应用，IEEE模式分析和机器智能汇刊，31，9，1600-1615（2009）
[8] Roweis，S.T。；Saul，L.K.，通过局部线性嵌入降低非线性维数，《科学》，290，5500，2323-2326（2000）
[9] 帕森斯，L。；哈克，E。；Liu，H.，《高维数据的子空间聚类：综述》，ACM SIGKDD Explorations Newsletter，6，1，90-105（2004）
[10] Ho，T.K.，构建决策林的随机子空间方法，IEEE模式分析和机器智能汇刊，20，8，832-844（1998）
[11] 赖，C。；Reinders，M.J.T。；Wessels，L.，多元特征选择的随机子空间方法，模式识别字母，27，10，1067-1076（2006）
[12] B.J.Yan，C.Domeniconi，高维数据半监督聚类的子空间度量集合，载于：《第17届欧洲机器学习会议论文集》，2006年。；B.J.Yan，C.Domeniconi，《高维数据半监督聚类的子空间度量集合》，载于《第17届欧洲机器学习会议论文集》，2006年。
[13] J.Wang，S.W.Luo，X.H.Zeng，用于联合训练的随机子空间方法，收录于：IEEE国际神经网络联合会议（IJCNN），2008年。；J.Wang，S.W.Luo，X.H.Zeng，用于联合训练的随机子空间方法，收录于：IEEE国际神经网络联合会议（IJCNN），2008年。
[14] 高彦，王彦，基于随机子空间的人脸识别增强，载：第十八届国际模式识别会议论文集，2006。；高彦，王彦，基于随机子空间的人脸识别增强，载《第十八届国际模式识别会议论文集》，2006年·Zbl 1202.94032号
[15] Chen，L.F。；廖海云。；Ko，M.T。；Yu，G.J.，一种新的基于LDA的人脸识别系统，可以解决小样本问题，模式识别，33，10，1712-1726（2000）
[16] Wang，X.G。；Tang，X.O.，子空间人脸识别的随机抽样，国际计算机视觉杂志，70，1，91-104（2006）
[17] Jolliffe，T.，主成分分析（2002），Springer Verlag·Zbl 1011.62064号
[18] Breiman，L.，打包预测，机器学习，24，2，123-140（1996）·Zbl 0858.68080号
[19] 张晓云。；贾永德，基于随机子空间的人脸识别线性判别分析框架，模式识别，40，9，2585-2591（2007）·Zbl 1118.68649号
[20] Belhumeur，P.N。；赫斯帕尼亚，J.P。；Kriegman，D.J.，《特征脸vs Fisherfaces:使用类特定线性投影进行识别》，IEEE模式分析和机器智能汇刊，19，7，711-720（1997）
[21] Yu，H。；Yang，J.，高维数据的直接LDA算法-应用于人脸识别，模式识别，34，10，2067-2070（2001）·Zbl 0993.68091号
[22] 朱，Y.L。；刘杰。；Chen，S.C.，用于人脸识别的半随机子空间方法，图像和视觉计算，27，9，1358-1370（2009）
[23] L.J.P.Maaten，E.O.Postma，H.J.Herik，《尺寸缩减：比较评论》，蒂尔堡大学技术报告，TiCC-TR 2009-0052009。；L.J.P.Maaten、E.O.Postma、H.J.Herik，《维度缩减：比较评论》，蒂尔堡大学技术报告，TiCC-TR 2009-0052009年。
[24] D.D.Marginantu，T.G.Dietterich，《修剪自适应增强》，载《第十四届机器学习国际会议论文集》，1997年。；D.D.Marginantu，T.G.Dietterich，《修剪自适应增强》，载《第十四届机器学习国际会议论文集》，1997年。
[25] F.R.K.钟。谱图理论，摘自：《区域数学会议系列论文集》，1997年。；F.R.K.钟。谱图理论，收录于：《区域数学会议系列论文集》，1997年·Zbl 0867.05046号
[26] 周振华，《当半监督学习遇到集成学习时》，载：《第八届多分类器系统国际研讨会论文集》，2009年。；Z.H.Zhou，《当半监督学习遇到集成学习时》，载《第八届多分类器系统国际研讨会论文集》，2009年。
[27] 闫S.C。；徐，D。；张碧玉。；张海杰。；杨琼。；Lin，S.，图嵌入和扩展：降维的一般框架，IEEE机器智能模式分析汇刊，29，1，40-51（2007）
[28] 贝尔金，M。；Niyogi，P.，黎曼流形上的半监督学习，机器学习，56，1209-239（2004）·Zbl 1089.68086号
[29] M.Martinez，R.Benavente，AR人脸数据库，CVC技术报告241998。；M.Martinez，R.Benavente，AR-Face数据库，CVC技术报告241998年。
[30] 乔治亚德斯，S。；Belhumeur，P.N。；Kriegman，D.J.，从少到多：可变光照和姿势下人脸识别的照明锥模型，IEEE智能模式分析汇刊，23，6，643-660（2001）
[31] W.Y.Wang，S.W.Zhang，W.Liang，降维的基于图的子空间半监督学习框架，载于：《第十届欧洲计算机视觉会议论文集》，2008年。；W.Y.Wang，S.W.Zhang，W.Liang，基于图的子空间半监督学习框架，用于降维，收录于：第十届欧洲计算机视觉会议（ECCV），2008年。
[32] D.Cai，X.F.He，J.W.Han，半监督判别分析，载《IEEE计算机视觉国际会议论文集》，2007年。；D.Cai，X.F.He，J.W.Han，半监督判别分析，载《IEEE计算机视觉国际会议论文集》，2007年。
[33] D.Cai，X.F.He，K.Zhou，J.W.Han，H.J.Bao，局部敏感性判别分析，载《第20届国际人工智能联合会议论文集》，2007年。；D.Cai，X.F.He，K.Zhou，J.W.Han，H.J.Bao，局部敏感性判别分析，载《第20届国际人工智能联合会议论文集》，2007年。
[34] 张勇，杨德友，基于鲁棒路径相似性的半监督判别分析，载：IEEE第21届计算机视觉和模式识别（CVPR）会议论文集，2008。；张勇，杨德友，使用鲁棒路径相似性的半监督判别分析，载于：IEEE第21届计算机视觉和模式识别（CVPR）会议论文集，2008年。
[35] W.Liu，S.F.Chang，图的鲁棒多类传递学习，收录于：IEEE第22届计算机视觉与模式识别（CVPR）会议记录，2009年。；W.Liu，S.F.Chang，图的鲁棒多类传递学习，收录于：IEEE第22届计算机视觉和模式识别（CVPR）会议记录，2009年。
[36] T.Jebara，J.Wang，S.F.Chang，半监督学习中的图形构建和b匹配，摘自：《第26届机器学习国际会议论文集》，2009年。；T.Jebara，J.Wang，S.F.Chang，半监督学习中的图形构建和b匹配，收录于：第26届机器学习国际会议（ICML）论文集，2009年。
[37] M.F.Balcan、A.Blum、P.P.Choi、J.Lafferty等，《网络摄像头图像中的人识别：半监督学习的应用》，载《第22届机器学习国际会议论文集》，2005年。；M.F.Balcan、A.Blum、P.P.Choi、J.Lafferty等，《网络摄像头图像中的人识别：半监督学习的应用》，载《第22届机器学习国际会议论文集》，2005年。
[38] W.Tang，Z.D.Lu，I.S.Dhillon，多图聚类，收录于：IEEE第九届数据挖掘国际会议（ICDM）论文集，2009年。；W.Tang，Z.D.Lu，I.S.Dhillon，多图聚类，收录于：IEEE第九届数据挖掘国际会议（ICDM）论文集，2009年。
[39] 波里卡尔，R。；德帕斯夸尔，J。；穆罕默德，H.S。；布朗，G。；Kuncheva，L.I.，Learn++：缺失特征问题的随机子空间方法，模式识别，43，11，3817-3832（2010）·Zbl 1209.68480号
[40] Kokiopoulou，E。；Frossard，P.，多观测集的基于图的分类，模式识别，43，12，3988-3997（2010）·Zbl 1207.68291号
[41] Yu，G.X。；彭，H。；魏杰。；Ma，Q.L.，《具有鲁棒路径相似性的增强局部保持投影》，神经计算，74，3，598-605（2011）
[42] 罗德里格斯，J.J。；Kuncheva，L.I。；Alonso，C.J.，《旋转森林：一种新的分类器集成方法》，IEEE模式分析和机器智能汇刊，28，10，1619-1630（2006）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。