徐金成

(广东司法警官职业学院 信息管理系， 广东 广州 510520)

对称局部保持的半监督维数约简算法*

徐金成

(广东司法警官职业学院 信息管理系， 广东 广州 510520)

针对自然界较多图像具有对称的特点以及数据分布大多呈一定的流形结构情况,提出了一种对称局部保持的半监督维数约减(SLPSDR)算法.该算法使用矩阵定义维数约减映射矩阵元素之间的关系,使图像中对称的像素点对应的映射矩阵的值之间的差别最小;同时为了利用无标签训练样本保持数据的流形结构,要求低维空间中每个点的邻域关系与高维空间中的邻域关系相似.在CMU PIE、Extend YaleB、ORL、AR人脸数据库上的实验结果表明,图像数据明显的对称特点使得SLPSDR算法优于其他对比的维数约减算法.

对称限制;半监督学习;维数约简;人脸识别

维数约减的目的是将高维数据映射到低维空间，克服由“小样本、高维度”引起的维数灾难问题，提高模式识别系统的运行速度和执行效果.根据训练数据提供的标签情况，目前常见的维数约减算法可分为三类:有监督维数约减算法、半监督维数约减算法和无监督维数约减算法.其中只有半监督维数约减算法能够在提供无标签训练样本和有标签训练样本的情况下进行综合考虑，故文中着重研究半监督维数约减算法．

视觉信息是人们日常生活中非常重要的一部分，目前视觉信息处理已经在机器人、多媒体检索、人脸识别、物体识别等领域有着广泛……