dimensionality

半监督降维方法的实验比较

陈诗国;张道强

【期刊名称】《软件学报》

【年(卷),期】2011(022)001

【摘要】半监督学习是近年来机器学习领域中的研究热点之一,已从最初的半监督

分类和半监督聚类拓展到半监督回归和半监督降维等领域.目前,有关半监督分类、

聚类和回归等方面的工作已经有了很好的综述,如Zhu的半监督学习文献综述.降维

一直是机器学习和模式识别等相关领域的重要研究课题,近年来出现了很多将半监

督思想用于降维,即半监督降维方面的工作.有鉴于此,试图对目前已有的一些半监督

降维方法进行综述,然后在大量的标准数据集上对这些方法的性能进行实验比较,并

据此得出了一些经验性的启示.%Semi-Supervidlearningisoneofthe

hottestrearchtopicsinthetechnologicalcommunity,whichhasbeen

developedfromtheoriginalmi-supervidclassificationandmi-

supervidclusteringtothemi-supervidregressionandmi-

superviddimensionalityreduction,ent,therehavebeen

veralexcellentsurveysonmi-supervidclassification:Semi-

Supervidclusteringandmi-supervidregression,'smi-

ionalityreductionisoneof

thekeyissuesinmachinelearning,patternrecognition,andotherrelated

ly,alotofrearchhasbeendonetointegratetheideaof

mi-supervidlearningintodimensionalityreduction,-

paper,thecurrentmi-

superviddimensionalityreductionmethodsarereviewed,andtheir

performancesareevaluatedthroughextensiveexperimentsonalarge

numberofbenchmarkdatats,fromwhichsomeempiricalinsightscanbe

obtained.

【总页数】16页(P28-43)

【作者】陈诗国;张道强

【作者单位】南京航空航天大学,计算机科学与工程系,江苏,南京,210016;南京航空

航天大学,计算机科学与工程系,江苏,南京,210016

【正文语种】中文

【中图分类】TP181

【相关文献】

1.基于结构正则化方法的半监督降维研究[J],张喜莲;刘新伟;樊明宇

2.基于正则化的半监督等距映射数据降维方法[J],王宪保;陈诗文;姚明海

3.自适应嵌入的半监督多视角特征降维方法[J],孙圣姿;万源;曾成

4.改进的半监督降维方法及其在人脸识别中的应用[J],赵美香;刘璇;高金宝

5.改进的半监督降维方法及其在人脸识别中的应用[J],赵美香;刘璇;高金宝

因版权原因，仅展示原文概要，查看原文内容请购买