论文部分内容阅读
提出一种监督学习的核拉普拉斯特征映射方法（supervisedkernelLaplacianeigenmap，SKLE），通过非线性核映射将样本数据投影到高维核特征空间，然后将流形结构和样本类别信息进行有效的结合后，提取嵌入在高维数据中的低维流形特征用于分类．实验表明，该方法对新样本具有泛化性，并且能有效提高分类的效能．