有监督维度缩减的充分分量分析
摘要：充分降维（SDR）的目的是找到足够预测输出值的输入特征的低维子空间。在本文中，我们提出了一种称为充分成分分析（SCA）的新型免分布的SDR方法，该方法的计算效率比现有方法更高。在我们的方法中，通过迭代进行依赖估计和最大化来计算解决方案：依赖估计使用最近提出的最小二乘互信息（LSMI）进行分析，并且依赖最大化也通过利用Epanechnikov核进行分析。通过对实际图像分类和音频标记问题的大规模实验，所提出的方法与现有的降维方法相比表现出更好的效果。
作者：Makoto Yamada, Gang Niu, Jun Takagi, Masashi Sugiyama
论文ID：1103.4998
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-03-28