半監(jiān)督判別分析及人臉識(shí)別.pdf

1、大量研究表明，判別分析可以有效地提高數(shù)據(jù)的分類性能。然而，當(dāng)有標(biāo)簽數(shù)據(jù)較少時(shí)，判別分析算法的性能退化明顯甚至失效。因此，如何有效的利用無標(biāo)簽數(shù)據(jù)提高判別分析算法的性能已成為機(jī)器學(xué)習(xí)、模式識(shí)別、圖像檢索等領(lǐng)域的研究熱點(diǎn)。論文利用圖論描述數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu)，深入研究了基于Graph的半監(jiān)督判別特征提取算法，論文主要的工作和成果有：
　　1.半監(jiān)督判別分析（Semi-supervised Discriminant Analysis，SD

2、A）在描述數(shù)據(jù)局部幾何結(jié)構(gòu)時(shí)，僅刻畫了數(shù)據(jù)的相似性幾何屬性，忽略了多樣性幾何屬性，導(dǎo)致分類效果不夠好。針對SDA的不足，提出了融合局部相似性和多樣性屬性的魯棒半監(jiān)督判別分析算法（Stable Semi-supervised Discriminant Analysis，SSDL）。SSDL算法通過最大化類間離散度和最小化類內(nèi)離散度保持?jǐn)?shù)據(jù)的全局判別信息，與此同時(shí)，構(gòu)建局部相似鄰接圖和多樣性鄰接圖刻畫數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu)，它有效地保持了數(shù)據(jù)的

3、相似性和多樣性幾何屬性。在多個(gè)數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果證明了SSDL算法的有效性。
　　2.魯棒局部判別嵌入（Stable Local Discriminant Embedding，SLDE）通過引入類內(nèi)局部多樣性信息取得了不錯(cuò)的分類識(shí)別性能。但是，當(dāng)有標(biāo)簽樣本比較少時(shí)，算法性能退化很明顯，甚至失效。對此，提出了增強(qiáng)的半監(jiān)督局部判別嵌入算法(Enhanced Semi-supervised Local Discriminant Embe