基于稀疏表示的半监督线性子空间学习

摘要

针对标签样本不易获得且需要大量的人力财力的问题,提出了基于稀疏表示的半监督线性子空间学习.该方法的核心思想是将有标签样本与无标签样本合成一个训练集来训练半监督模型.首先将样本数据集进行训练得到字典以及稀疏表示特征;然后将稀疏特征进行分组,分为含有较多识别信息(MDP)部分以及含有较少识别信息(LDP)部分;最后学习得到半监督投影矩阵P.实验结果表明该方法在现有的人脸数据库extended YaleB和AR数据集上都取得了较好的结果.