论文部分内容阅读
针对无标签样本和单标签样本的融合学习问题,提出样本稀疏邻域的概念,进而给出基于稀疏邻域的特征融合算法(SNSPDA)。样本的稀疏邻域充分利用稀疏表示的判别属性,增强了具有较大表示系数样本对被表示样本的重构作用。SNSPDA算法可捕获数据的局部几何结构,保持样本间的稀疏重构关系,同时避免单标签样本学习中的过拟合问题。大量单标签图像样本的实验结果表明,SNSPDA算法比仅反映单一数据属性的融合算法具有更高的识别率,如在光照条件变化较大时,该算法的正确识别率分别比稀疏保持判别融合算法与半监督判别融合算法提