论文部分内容阅读
为了构造一个能够较好反映数据真实分布的图以提高分类性能，文中提出基于l1范数和k近邻叠加图的半监督分类算法。首先构造一个l1范数图，作为主图，然后构造一个k近邻图，作为辅图，最后将二者按一定比例叠加，得到l1范数和k近邻叠加（ LNKNNS）图。实验中选择标记样本比例从5%到25%，将基于LNKNNS图的半监督分类算法在USPS数据库上对比其它图（指数权重图、k近邻图、低秩表示图和l1范数图）的算法。实验表明，文中算法的分类识别率更高，更适合基于图的半监督学习。