A novel semi-supervised learning for face recognition
A novel semi-supervised learning for face recognition
复制标题
一种新颖的人脸识别半监督学习
DOI：
10.1016/j.neucom.2014.11.018
复制
发表时间：
2015-03
期刊：
影响因子：
6
通讯作者：
Hailin Zhang
中科院分区：
文献类型：
--
作者：
Yunfang Huang;Xinbo Gao;Weiguo Shen;Hailin Zhang
拉普拉斯嵌入（LE）被广泛用于学习数据的内在结构。然而，LE忽略了多样性，可能会损害数据的局部拓扑结构，导致不稳定和不精确的内在结构表示。在本文中，我们建立了一个目标函数来学习能够很好地表征数据相似性和多样性的内在结构，然后将这种结构表示纳入线性判别分析中，以构建一种半监督方法，称为稳定半监督判别学习（SSDL）。在两个数据库上的实验结果证明了该方法的有效性。
Laplacian embedding (LE) has been widely used to learn the intrinsic structure of data. However, LE ignores the diversity and may impair the local topology of data, resulting in unstable and inexact intrinsic structure representation. In this article, we build an objective function to learn the intrinsic structure that well characterizes both the similarity and diversity of data, and then incorporate this structure representation into linear discriminant analysis to build a semi-supervised approach, called stable semi-supervised discriminant learning (SSDL). Experimental results on two databases demonstrate the effectiveness of our approach.
登录
查看更多内容
影响因子：
3.7
作者：
Bo Xie;Yang Mu;Dacheng Tao
通讯作者：
Bo Xie;Yang Mu;Dacheng Tao
DOI：
10.1109/tsmcb.2010.2101593
发表时间：
2011-08
期刊：
IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics)
影响因子：
--
作者：
Fei Wang;Shouchun Chen;Changshui Zhang;Ta-Hsin Li
通讯作者：
Fei Wang;Shouchun Chen;Changshui Zhang;Ta-Hsin Li
DOI：
10.1109/tpami.2005.55
发表时间：
2005-03-01
影响因子：
23.6
作者：
He, XF;Yan, SC;Zhang, HJ
通讯作者：
Zhang, HJ
DOI：
10.1007/bfb0015522
发表时间：
1996-04
期刊：
--
影响因子：
--
作者：
P. Belhumeur;J. Hespanha;D. Kriegman
通讯作者：
P. Belhumeur;J. Hespanha;D. Kriegman
影响因子：
6
作者：
Hakan Cevikalp
通讯作者：
Hakan Cevikalp