张量图像上的半监督降维算法-模式识别与人工智能.PDF

第22 卷摇 第4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.22摇 No.4 摇 2009年8月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug摇 摇 2009 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张张量图像上的半监督降维算法* 朱凤梅摇 摇 张道强 (南京航空航天大学 计算机科学与工程系南京摇 210016) (n 伊n ) 摘摇 要摇 传统的图像数据 (n 伊n )一般表示为欧式空间R 1 2 上的一个向量,这样像素之间的空间关系将会丢 1 2 失.因此,文中提出一种张量型的半监督降维算法.首先把图像看成张量空间 n1 n2 中的一个点.再利用图像之 R 茚R 间的成对约束———正约束和负约束,对图像进行半监督降维.降维后的数据较好地保留图像的局部结构.在大量人 脸数据集上的实验验证该算法的有效性. 关键词摇 图像表示,特征提取,半监督降维,张量分析 中图法分类号摇 TP391.4 Semi鄄Supervised Dimensionality Reduction Algorithm of Tensor Image ZHU Feng鄄Mei,ZHANG Dao鄄Qiang (Department of Computer Science and Engineering,Nanjing University of Aeronautics andAstronautics, Nanjing 210016) ABSTRACT (n *n ) Traditionally,an (n *n )image is represented by a vector in the Euclidean spaceR 1 2 ,thus 1 2 the spatial relationships between pixels in an image are ignored. In thispaper,the images are presented n1 n2 as points in the tensor spaceR 茚R . Then,a semi鄄supervised dimensionality reduction algorithm is put forward based on pairwise constraints (must鄄link and cannot鄄link)between the images. The data in the reduced space preserve the local structure of the data manifoldwell. Finally,experimental resultson face datase