稀疏近似最近特征空间嵌入标签传播

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.