模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2012, Vol. 25 Issue (4): 684-690    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于压缩传感的邻域嵌入
贾泂1,郑忠龙1,杨杰2
1。浙江师范大学计算机科学与技术系金华321004
2。上海交通大学图像处理与模式识别研究所上海200240
Compressive Sensing Based Neighborhood Embedding
JIA Jiong1, ZHENG Zhong-Long1, YANG Jie2
1.Department of Computer Science and Technology,Zhejiang Normal University,Jinhua 321004
2.Institute of Image Processing and Pattern Recognition,Shanghai Jiaotong University,Shanghai 200240

全文: PDF (1461 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 基于谱流形学习算法的一个核心问题是局部邻域的构建,可通过KNN或ε准则构建局部邻域。受压缩传感理论的启发,提出一种基于l2和l1范数重构准则的邻域构建模式,称之为基于压缩传感的邻域嵌入(CSNE)。在此基础上,利用无标签数据,提出半监督的CSNE。在多个数据集上的可视化和半监督分类实验,证明该算法的有效性。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
贾泂
郑忠龙
杨杰
关键词 流形学习压缩传感(CS)半监督学习    
Abstract:How to construct local neighborhoods is one of the key points of spectral-manifold based algorithms. For example, locally linear embedding (LLE), one of the traditional manifold learning algorithms, constructs the local relationships through KNN or ε criterion. Motivated by compressive sensing theory, the strategy of neighborhood construction is proposed based on the linear combination of l2 and l1, which is called compressive sensing based neighborhood embedding (CSNE). The proposed strategy can not only be applied to LLE, but also to other spectral learning methods while neighborhoods need to be constructed. In addition, the semi-supervised CSNE algorithm is presented while the un-labeled data are taken into account. The results of visualization and classification experiments on several datasets demonstrates the competitive results of the proposed algorithm compared with PCA、LDA、LPP and S-Isomap.
Key wordsManifold Learning    Compressive Sensing (CS)    Semi-Supervised Learning   
收稿日期: 2011-05-11     
ZTFLH: TP391.4  
基金资助:国家自然科学基金项目(No.60805001,61170109)、国家863计划项目(No.2007AA01Z164)、浙江省自然科学基金项目(No.Y1100161,Y1090579)、浙江省科技厅项目(No.2012C21021)资助
作者简介: 贾泂,男,1965年生,教授,主要研究方向为机器学习、数据挖掘等。E-mail:jia@zjnu。cn。郑忠龙,男,1976年生,博士,教授,主要研究方向为模式分类、机器学习等。杨杰,男,1964年生,教授,博士生导师,主要研究方向为模式识别、生物信息学、图像处理等。
引用本文:   
贾泂,郑忠龙,杨杰. 基于压缩传感的邻域嵌入[J]. 模式识别与人工智能, 2012, 25(4): 684-690. JIA Jiong, ZHENG Zhong-Long, YANG Jie. Compressive Sensing Based Neighborhood Embedding. , 2012, 25(4): 684-690.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2012/V25/I4/684
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn