Locality sensitive semi-supervised feature selection
Locality sensitive semi-supervised feature selection
复制标题
局部敏感的半监督特征选择
DOI：
10.1016/j.neucom.2007.06.014
复制
发表时间：
2008-06
期刊：
影响因子：
6
通讯作者：
Lu Ke
中科院分区：
文献类型：
--
作者：
He Xiaofei;Zhao Jidong;Lu Ke
在人脸识别、图像检索等许多计算机视觉任务中，经常要面对高维数据。在低维空间中可以通过分析或计算进行管理的过程在数百或数千维的空间中可能变得完全不切实际。因此，已经开发了用于降低特征空间的维度的各种技术，以希望获得更可管理的问题。最流行的特征选择和提取技术包括Fisher评分、主成分分析(PCA)和拉普拉斯评分。其中，主成分分析和拉普拉斯评分为非监督方法，Fisher评分为监督方法。它们都不能同时利用已标记和未标记的数据点。在本文中，我们提出了一种新的半监督特征选择算法，该算法同时利用标记数据点和非标记数据点。具体地说，标记点用于最大化来自不同类别的数据点之间的距离，而未标记点用于发现数据空间的几何结构。在人脸识别方面，我们将该算法与Fisher评分和Laplian评分进行了比较。实验结果证明了该算法的有效性和有效性。
In many computer vision tasks like face recognition and image retrieval, one is often confronted with high-dimensional data. Procedures that are analytically or computationally manageable in low-dimensional spaces can become completely impractical in a space of several hundreds or thousands dimensions. Thus, various techniques have been developed for reducing the dimensionality of the feature space in the hope of obtaining a more manageable problem. The most popular feature selection and extraction techniques include Fisher score, Principal Component Analysis (PCA), and Laplacian score. Among them, PCA and Laplacian score are unsupervised methods, while Fisher score is supervised method. None of them can take advantage of both labeled and unlabeled data points. In this paper, we introduce a novel semi-supervised feature selection algorithm, which makes use of both labeled and unlabeled data points. Specifically, the labeled points are used to maximize the margin between data points from different classes, while the unlabeled points are used to discover the geometrical structure of the data space. We compare our proposed algorithm with Fisher score and Laplacian score on face recognition. Experimental results demonstrate the efficiency and effectiveness of our algorithm.
登录
查看更多内容
DOI：
--
发表时间：
2001
期刊：
--
影响因子：
--
作者：
P. Belhumeur;D. Kriegman
通讯作者：
P. Belhumeur;D. Kriegman
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
DOI：
10.1007/978-1-4471-0285-4
发表时间：
2012-10
期刊：
--
影响因子：
--
作者：
Shigeo Abe DrEng
通讯作者：
Shigeo Abe DrEng
DOI：
10.1142/4965
发表时间：
2002-07
期刊：
--
影响因子：
--
作者：
Henrik I Christensen;P Jonathon Phillips
通讯作者：
Henrik I Christensen;P Jonathon Phillips