%0 Journal Article
%T 稀疏近似最近特征空间嵌入标签传播
%A 陶剑文？
%A Fu-Lai
%A CHUNG？
%A 王士同？
%A 姚奇富？
%J 软件学报
%P 1239-1254
%D 2014
%R 10.13328/j.cnki.jos.004556
%X 针对现有的基于图的半监督学习（graph-basedsemi-supervisedlearning，简称gssl）方法存在模型参数敏感和数据空间判别信息不充分等问题，受最近特征空间嵌入和数据稀疏表示思想的启发，提出一种稀疏近似最近特征空间嵌入标签传播算法sanfsp（sparseapproximatednearestfeaturespaceembeddinglabelpropagation）.sanfsp首先利用特征空间嵌入投影点来稀疏表示原始数据；然后，度量原始数据和稀疏近似最近特征空间嵌入投影间的相似性；进而提出稀疏近似最近特征空间嵌入正则化项；最后，基于传统gssl方法的标签传播算法，实现数据标签的平滑传播.同时，还将sanfsp算法简单拓展到out-of-sample学习.sanfsp算法在人造和实际数据集（如人脸识别、可视物件识别以及手写数字分类等）上取得了有效的实验结果.
%K 半监督学习
%K 稀疏表示
%K 标签传播
%K 最近特征空间嵌入
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4556&flag=1