Indexed by：
Abstract：
提出一种监督学习的核拉普拉斯特征映射方法(supervised kernel Laplacian eigenmap,SKLE),通过非线性核映射将样本数据投影到高维核特征空间,然后将流形结构和样本类别信息进行有效的结合后,提取嵌入在高维数据中的低维流形特征用于分类.实验表明,该方法对新样本具有泛化性,并且能有效提高分类的效能.
Keyword：
Reprint 's Address：
Source ：
福州大学学报(自然科学版)
ISSN： 1000-2243
CN： 35-1337/N
Year： 2011
Issue： 01
Volume： 39
Page： 49-53
Affiliated Colleges：
