半監(jiān)督判別分析及人臉識別.pdf

1、大量研究表明，判別分析可以有效地提高數據的分類性能。然而，當有標簽數據較少時，判別分析算法的性能退化明顯甚至失效。因此，如何有效的利用無標簽數據提高判別分析算法的性能已成為機器學習、模式識別、圖像檢索等領域的研究熱點。論文利用圖論描述數據的內在幾何結構，深入研究了基于Graph的半監(jiān)督判別特征提取算法，論文主要的工作和成果有：
　　1.半監(jiān)督判別分析（Semi-supervised Discriminant Analysis，SD

2、A）在描述數據局部幾何結構時，僅刻畫了數據的相似性幾何屬性，忽略了多樣性幾何屬性，導致分類效果不夠好。針對SDA的不足，提出了融合局部相似性和多樣性屬性的魯棒半監(jiān)督判別分析算法（Stable Semi-supervised Discriminant Analysis，SSDL）。SSDL算法通過最大化類間離散度和最小化類內離散度保持數據的全局判別信息，與此同時，構建局部相似鄰接圖和多樣性鄰接圖刻畫數據的內在幾何結構，它有效地保持了數據的

3、相似性和多樣性幾何屬性。在多個數據庫上的實驗結果證明了SSDL算法的有效性。
　　2.魯棒局部判別嵌入（Stable Local Discriminant Embedding，SLDE）通過引入類內局部多樣性信息取得了不錯的分類識別性能。但是，當有標簽樣本比較少時，算法性能退化很明顯，甚至失效。對此，提出了增強的半監(jiān)督局部判別嵌入算法(Enhanced Semi-supervised Local Discriminant Embe