摘要：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处理未见样本．实验结果验证了该算法的有效性．

原文链接:http://www.cqvip.com//QK/96857X/200811/28637747.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）