%0 Journal Article
%T 基于概率类和不相关判别的半监督局部Fisher方法
%A 王寅同
%A 王建东
%A 陈海燕
%A 孙博
%J 控制与决策
%P 32-38
%D 2015
%R 10.13195/j.kzyjc.2013.1673
%X Fisher判别分析是统计模式识别中经典的有监督维数约简方法,可以在最大化类间散度的同时最小化类内散度,但存在分析过程中仅使用有标记数据而忽略无标记数据的问题.鉴于此,提出基于概率类和不相关判别的半监督局部Fisher(SLFisher)方法,以实现半监督学习的高维映射到低维的类间数据对尽可能地分离,且类内邻近数据尽可能地紧凑.采用2组标准数据集进行实验,结果表明了SLFisher方法能够有效提高识别率.
%K Fisher
%K 判别分析
%K 维数约简
%K 概率类
%K 不相关判别
%K 半监督学习
%U http://www.kzyjc.net:8080/CN/abstract/abstract12975.shtml