半监督典型相关分析算法

被引：33

作者：

彭岩

张道强

机构：

[1] 南京航空航天大学计算机科学与工程系

来源：

软件学报 | 2008年 / 11期

关键词：

典型相关分析; 半监督学习; 成对约束; 降维; 分类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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.

引用

页码：2822 / 2832

页数：11

共 4 条

[1]

Large margin vs. large volume in transductive learning[J] . Ran El-Yaniv,Dmitry Pechyony,Vladimir Vapnik.Machine Learning . 2008 (3)

[2] Using KCCA for Japanese–English cross-language information retrieval and document classification [J].