利用自适应近邻选择和低秩表示的半监督鉴别分析.pdfVIP

第27 卷 第2 期 计算机辅助设计与图形学学报 Vol. 27 No.2 2015 年2 月 Journal of Computer-Aided Design Computer Graphics Feb. 2015 利用自适应近邻选择和低秩表示的半监督鉴别分析 1,2) 1,2) 1,2) 1,2) 史 骏 , 姜志国 , 赵丹培 , 陆 明 1) (北京航空航天大学宇航学院 北京 100191) 2) (数字媒体北京市重点实验室 北京 100191) (chris.shi331@) 摘 要: 针对基于图嵌入的鉴别投影方法对近邻参数的敏感以及实际应用中样本类别信息不足对图嵌入方法鉴别性 能的影响, 提出一种基于自适应近邻选择和低秩表示的半监督鉴别分析方法. 该方法利用所有类内样本点构造类内 图来描述类内样本的紧致性, 借助最远类内样本的邻域自适应地选取该邻域内不同类样本点构造类间图, 以描述类 间样本的可分性; 此外, 利用低秩表示方法挖掘不带类别信息样本的潜在低秩结构, 以保留样本的全局相似关系. 在ORL 和FERET 人脸数据库上的实验结果, 验证了文中方法的有效性及对噪声的鲁棒性. 关键词：图嵌入; 低秩表示; 半监督学习; 维数缩减; 人脸识别 中图法分类号：TP391.4 Semi-supervised Discriminant Analysis Using Adaptive Neighbor Selection and Low-rank Representation Shi Jun1,2), Jiang Zhiguo1,2), Zhao Danpei1,2), and Lu Ming1,2) 1) (School of Astronautics, Beihang University, Beijing 100191) 2) (Beijing Key Laboratory of Digital Media, Beijing 100191) Abstract: Considering the discriminant projection methods based on graph embedding are sensitive to the neighbor parameter and the fact that there is no sufficient class-label information of samples in practical applica- tions which has an impact on the performance of graph embedding based methods, a semi-supervised discrimi- nant analysis method based on adaptive neighbor selection and low-rank representation is proposed. The method uses all the intraclass samples to construct the intraclass graph which can characterize the intraclass compactness, and simultaneously adaptively selects the interclass samples within the neighborhood produced by the farthest in- tracla