基于Fisher判别的半监督天体光谱数据特征降维Semi-supervised Dimension Reduction of Spectral Characteristic Based on Fisher Discriminant Analysis
盛英
摘要(Abstract)：
降维是天体光谱数据预处理常用的手段之一,如何利用标号天体光谱数据,克服降维过程中的过分拟合,是提高降维效果的有效途径之一。采用半监督学习,给出了一种天体光谱数据特征降维方法。该方法首先针对具有标号天体光谱数据,建立Fisher判别分析和PCA可变动选择的不确定关系;其次构建其半监督降维的全局最优化形式,通过特征值分解计算降维结果,从而有效地克服了天体光谱降维过程中的过分拟合问题;最后采用高红移类星体和晚型星SDSS天体光谱特征线数据集,实验验证了该方法的有效性。
关键词(KeyWords)： 半监督降维;PCA;天体光谱数据;Fisher判别分析
基金项目(Foundation): 山西省自然科学基金(2010011021)
作者(Author): 盛英
参考文献(References)：
- [1]张继福,蔡江辉.面向LAMOST的天体光谱离群数据挖掘系统研究[J].光谱学与光谱分析,2007,27(3):606-607.
- [2]覃冬梅,胡占义,赵永恒.一种基于主分量分析的恒星光谱快速分类法[J].光谱学与光谱分析,2003,23(1):182-182.
- [3]张怀福.小波在LAMOST光谱处理中的应用[D].北京:北京交通大学,2008.
- [4]刘蓉,勒红梅,段福庆.基于Bayes决策的光谱分类[J].光谱学与光谱分析,2010,30(3):838-839.
- [5]姜斌,潘景昌,郭强,等.基于二维主分量分析的光谱数据降维方法[J].现代电子技术,2007,14(21):21-22.
- [6]赵梅芳,吴潮.基于K近邻方法的窄线与宽线活动星系核的自动光谱分类[J].天文学报,2007,48(1):1-2.
- [7]李乡儒,胡占义,赵永恒,等.RVM有监督特征提取与Seyfert光谱分类[J].光谱学与光谱学分析,2009,29(6):1702-1703.
- [8]李乡儒,胡占义,赵永恒.基于Fisher判别分析的有监督特征提取和星系分类[J].光谱学与光谱分析,2007,27(9):1888-1889.
- [9]宋欣,叶世伟.基于直接估计梯度思想的数据降维算法[J].计算机工程,2008,34(8):205-205.
- [10]谭璐.高维数据的降维理论及应用[D].长沙:国防科技大学,2005.
- [11]FUKUNAGA K.Introduction to statistical pattern recognition(2nd ed)[D].San Diego:Academic Press,1990.
- [12]BELKIN M,NIYOGI P.Laplacian eigenmaps for dimensionality reduction and data representation[J].Neural Computation,2003,15:1373-1396.
- [13]吴晓婷,闫德勤.数据降维方法分析与研究[J].计算机应用与研究,2009,26(8):2832-2833.
- [14]CHEN Guangyi.Denoising and dimensionality reduction of hypersepectral imagery using wavelet packets,neighbour shrinking andprincipal component analysis[J].International Journal of Remote Sensing,2009,30(18):4889-4890.
- [15]赵玲玲.半监督降维和分类算法研究[D].西安电子科技大学,2009.
- [16]杜世强.基于核Fisher判别的人脸识别方法研究[D].陕西师范大学,2007.
- [17]ZHA H Y,ZHANG ZH Y.Spectral properties of the alignment matrices in manifold learning[J].SIAM Review,2009,51:545-565.
- [18]CHAPELLE O,SCHOLKOPF B,ZIEN A,Semi-supervised Learning[M].US:MA,The MIT Press,2006.
- [19]ZELNIK-MANOR L,PERONA P.Self-tuning spectral clustering[J].NIPS,2004,17:1601-1608.