圖正則和低秩多標(biāo)記線性判別分析.pdf

1、多標(biāo)記分類研究一個對象同時與多個標(biāo)記相關(guān)的問題。與傳統(tǒng)的單標(biāo)記分類相比，多標(biāo)記分類更普遍，在許多領(lǐng)域，例如多主題文本分類、圖像與視頻標(biāo)注等方面都具有實際的應(yīng)用意義。所以其越來越受到關(guān)注，目前，已經(jīng)有大量多標(biāo)記分類算法被提出。其中，多標(biāo)記線性判別分析算法(MLDA)是一種有效的處理多標(biāo)記分類的方法，但其不能保持?jǐn)?shù)據(jù)的局部幾何結(jié)構(gòu)。本文針對多標(biāo)記分類進(jìn)行了研究，改進(jìn)了多標(biāo)記線性判別分析算法，主要研究工作和創(chuàng)新點如下：
　?。?）原始的

2、MLDA算法通過對經(jīng)典的線性判別分析算法(LDA)中的散度矩陣進(jìn)行重新定義，并且考慮了標(biāo)記間的聯(lián)系，較好地處理了多標(biāo)記分類問題，但是，MLDA忽略了數(shù)據(jù)的局部幾何結(jié)構(gòu)。而在近年來的很多研究中都表明，局部結(jié)構(gòu)信息對于降維是十分重要的。為了解決這個問題，本文引入圖正則項，對多標(biāo)記線性判別分析算法進(jìn)行改進(jìn)，提出了新的圖正則的多標(biāo)記線性判別分析算法(GR-MLDA)，同時保持了數(shù)據(jù)的整體和局部幾何結(jié)構(gòu)信息，提高了算法的性能。通過實驗，我們在多個

3、數(shù)據(jù)集上，和多種算法做了比較，證明了GR-MLDA的性能優(yōu)于原始的MLDA算法。
　?。?）在原始的MLDA算法中，當(dāng)數(shù)據(jù)集維度較高時，計算的時間和空間復(fù)雜性都非常高，本文通過去除矩陣中零空間的思想，在求解GR-MLDA目標(biāo)函數(shù)的特征值問題之前，去除了散度矩陣的零空間，然后再計算特征值問題，從而優(yōu)化了高維數(shù)據(jù)降維的計算過程，降低了時間和空間的復(fù)雜度。實驗證明，原始MLDA的計算時間甚至是GR-MLDA的幾百倍。
　?。?）已