论文部分内容阅读
在很多机器学习和数据挖掘任务中，仅仅利用边信息（side-information）并不能得到最好的半监督学习（semi—supervised leaming）效果，周此，提出一种基于局部与全局保持的半监督维数约减（local and global preserving based semi—supervised dimensionality reduction，简称LGSSDR）方法．该算法不仅能够保持正、负约束信息而且能够保持数据集所在低维流形的全局以及局部信息．另外，该算法能够计算出变换矩阵并较容易地