一种新的基于MMC和LSE的监督流形学习算法
针对局部样条嵌入算法(Local spline embedding,LSE)存在样本外点学习和无监督模式学习问题,本文提出了一种新颖的正交局部样条判别投影算法(O-LSDP).该算法通过引入明确的线性映射关系,构建平移缩放模型,以及正交化特征子空间,从而使该算法能够应用于模式分类问题并显著改善了算法的分类识别能力.在标准人脸数据库和植物叶片数据库上的实验结果验证了该算法的有效性与可行性.
局部样条嵌入、最大边缘准则、特征提取、流形学习
39
国家自然科学基金61272333,61273302,61005010;安徽省自然科学基金1208085MF94,1208085MF98,1308085MF84;National Natural Science Foundation of China61272333,61273302,61005010;Natural Science Foundation of Anhui Province1208085MF94,1208085MF98,1308085MF84
2014-01-23(万方平台首次上网日期,不代表论文的发表时间)
共13页
2077-2089