基于约束低秩表示模型的联合半监督分类算法

针对基于图的半监督学习算法由于先构造关联矩阵再在对应的图上进行标记传播而导致只能得到原问题次优解的问题,提出基于约束低秩表示模型的联合半监督分类算法。首先,使用约束矩阵,基于低秩表示模型,实现部分已标记样本对应的低秩表示系数一致;其次,解决基于图的半监督学习算法中两阶段模式所带来的次优解问题,实现了联合进行低秩图的学习与图上的半监督标记传播;最后,通过实验检验了算法的可行性。改进算法获得的结果比现有的主流算法均有较大优势,在标准数据集上的性能得到较高的提升。