基于正则化的半监督等距映射数据降维方法

来源：电子与信息学报杂志2016年第1期北京时间：

作者：王宪保, 陈诗文, 姚明海

摘要：针对等距映射(ISOMAP)算法无监督，不能生成显式映射函数等局限性，该文提出一种正则化的半监督等距映射(Reg-SS-ISOMAP)算法。该算法首先利用训练样本的标签样本构建K联通图(K-CG)，得到近似样本间测地线距离，并作为矢量特征代替原始数据点；然后通过测地线距离计算核矩阵，用半监督正则化方法代替多维尺度分析(MDS)算法处理矢量特征；最后利用正则化回归模型构建目标函数，得到低维表示的显式映射。算法在多个数据集上进行了比较实验，结果表明，文中提出的算法降维效果稳定，识别率高，显示了算法的有效性。

关键词：数据降维, 流形学习, 半监督学习, 正则化

基金资助：浙江省自然科学基金(LZ14F030001, LY14F030009)