준지도 차원감소는 클래스 라벨 정보가 있는 데이터가 부족한 경우에 클래스 라벨 정보가 없는 많은 데이터를 활용할 수 있는 차원감소 방법이다. 본 논문에서는 클래스 라벨 정보가 없는 데이터를 이용하여 클래스 중심을 이동시키고 선형판별분석을 수행하는 중심 이동 선형판별분석이라는 준지도 차원감소 방법을 제안한다. 고차원 텍스트 데이터를 이용한 실험을 통해 제안한 방법의 클래스 분류 성능이 향상된다는 것을 보인다.
Semi-supervised dimension reduction can be used when the size of labeled data samples is small. In this paper, we propose a semi-supervised dimension reduction method, called centroid shifted linear discriminant analysis(CSLDA), which performs linear discriminant analysis after shifting class centroids using unlabeled data samples. Experiments using high dimensional text data demonstrate that the proposed method can improve classification performance greatly.
