分类约束的降维
摘要：分类约束降维算法(CCDD)用于标注信息的降维，可以处理多个类别和半监督设置。算法提供了标签和无标签数据的样本外推公式。对于无标签数据，我们引入了一种将新数据点嵌入分类器前进行预处理的方法。对于标签数据，在训练阶段使用样本外推扩展方法改善嵌入。我们通过对高光谱卫星图像数据使用CCDD算法的分类性能进行了研究。我们证明了对于局部和全局分类器，CCDD算法可以提高10%的k最近邻算法性能。我们还展示了内在维度估计和通过CCDD算法获得的最优嵌入维度之间的联系。
作者：Raviv Raich, Jose A. Costa, Steven B. Damelin, and Alfred O. Hero III
论文ID：0802.2906
分类：Machine Learning
分类简称：stat.ML
提交时间：2009-09-29