判别随机近邻嵌入分析方法-库问搜索.PDFVIP

第24卷第11期 计算机辅助设计与图形学学报 V01．24No．n of 2012年11月 Journal Nov．2012 Computer—AidedDesignComputerGraphics 判别随机近邻嵌入分析方法 郑建炜，邱 虹，蒋一波，王万良 (浙江工业大学计算机科学与技术学院杭州 310023) (ziw@zjut．edu．cn) 摘要：针对随机近邻嵌人算法的非线性本质和无监督学习特征，提出一种线性有监督的特征提取方法，称为判别 随机近邻嵌入分析．该方法通过输入样本的类别信息构建数据分布的联合概率表达式，用于反映同类和异类数据间 的相似度；同时引入线性投影矩阵生成子空间数据，并在类内KL散度最小和类间KL散度最大的准则下建立目标 泛函．通过人工合成数据和经典人脸库对文中方法的性能进行验证，结果表明，该方法不仅具有较好的可视化能力， 而且能够有效地对不同类别的数据进行降维分簇，提升后续模式分类器的鉴别效果． 关键词：流形嵌入；有监督学习；数据可视化；随机近邻嵌入 中图法分类号：TP391．4 DiscriminativeStochastic Meth NeighborEmbeddingAnalysis Jianwei，Qiu Yibo，and Zheng Hong，Jiang WangWanliang (School Scienceand ofComputer of 310023) Technology，ZhejiangUniversityTechnology，Hangzhou Dovellinear Abstract：A featureextractionmethodnameddiscriminativestochastic supervised neighbor basedonthe ofstochastic thatis embedding(DSNE)isproposed algorithm neighborembedding andnonlinear．DSNEselectsthe tomodelthe similaritiesof unsupervised jointprobability pairwise withclasslabels．Thelinear matrixisusedtodiscoverthe inputsamples projection underlying structureofdatamanifoldwhichiSnonlinear．ThecostfunctioniSconstructedtominimizethe intraclassKullbaek—LeibleraswellasmaximizetheinterclassKullback—Leibler divergence divergences． DSNEisevaluatedinartificial dataandface results thatthe synthetic database．Experimentalsuggest abet