基於多核學習的降維分析
IEEE Transactions on Pattern Analysis and Machine Intelligence 33 (2011): 1147-1160.
林彥宇、 劉庭祿、 傅楸善
作者所屬單位
- 中央研究院資訊科學研究所
在處理電腦視覺問題時,結合數個描述子來更精確地描述資料特徵,進而提昇演算法效能是學理上可行的。但這類方法所衍生出的資料表示,通常是高維度且具不同形式。若能將其降維轉置到一個共同的低維空間來分析,應可更有效率地解決諸如物件辨識與分類等問題。我們提出一可將多核學習推廣應用在降維分析的架構,其主要貢獻包含:
〈一〉利用多個影像描述子,來表示複雜物件的重要特徵。
〈二〉將多核學習融入現有大多數的降維技術,並改善其效率。
〈三〉藉由降維分析,將多核學習架構的應用由處理監督式學習問題推廣至處理非監督式與半監督式學習問題。