论文部分内容阅读
为克服线性判别分析（LDA）只能利用有标记样本的缺点,提出一种基于局部重构与全局保持的半监督判别分析（LRGPSSDA）方法.LRGPSSDA通过最小化局部重构误差来确定邻域图的边权值,在保持数据集局部结构的同时保持其全局结构,具有对邻域参数的选择不敏感、所得投影子空间的维数不受样本类别数的限制等特点.相较现有的半监督判别分析方法（如SDA和UDA）,LRGPSSDA的分类性能更好.在YaleB和CMUPIE标准人脸库上的实验结果验证了该算法的有效性.