一种基于高斯隐变量模型的分类算法

摘要：

高斯过程隐变量模型是近年来新兴的无监督降维方法,它可以找到高维数据的低维流形结构.但是由于高斯过程隐变量模型是无监督的概率降维方法,所以当数据集中的样本有类别标记信息时,高斯过程隐变量模型不能利用这些监督信息,实现分类的任务.为了使高斯过程隐变量模型可以处理分类任务,文中提出了一种监督的高斯过程隐变量模型分类模型.通过最大化后验似然的方法确定观测数据在隐空间的坐标,同时可以完成分类任务.实验结果证明了该模型可以有效地用于分类.

关键词：高斯过程、监督学习、降维、线性判别分析

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61125204,61172146,61100158;教育部博士点基金20090203110002;中央高校基本科研业务费K50511020002;中国博士后科学基金

在线出版日期：2013-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2661-2667