文献类型：期刊文章

作　　者：彭岩[1] 张道强[1]

机构地区：[1]南京航空航天大学计算机科学与工程系,江苏南京210016

出　　处：《软件学报》

基　　金：Supported by the National Natural Science Foundation of China under Grant Nos.60505004;60875030 (国家自然科学基金);the Natural Science Foundation of Jiangsu Province of China under Grant No.BK2006521 (江苏省自然科学基金)

年　　份：2008

卷　　号：19

期　　号：11

起止页码：2822-2832

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在典型相关分析算法(canonical correlation analysis,简称CCA)的基础上,通过引入以成对约束形式给出的监督信息,提出了一种半监督的典型相关分析算法(Semi-CCA).在此算法中,除了考虑大量的无标号样本以外,还考虑成对约束信息,即已知两样本属于同一类(正约束)或不属于同一类(负约束),同时验证了两者的相对重要性.在人工数据集、多特征手写体数据集和人脸数据集(Yale和AR)上的实验结果表明,Semi-CCA能够有效地利用少量的监督信息采提高分类性能.

关 键 词：典型相关分析  半监督学习 成对约束  降维 分类  

分 类 号：TP181]