近几年局部流形学习算法研究得到了广泛的关注,如局部线性嵌入以及局部切空间排列算法等.这些算法都是基于局部可线性化的假设而提出的,但局部是否可线性化的问题没有得到很好有效的解决,使得目前的降维算法对自然数据效果不佳.自然数...近几年局部流形学习算法研究得到了广泛的关注,如局部线性嵌入以及局部切空间排列算法等.这些算法都是基于局部可线性化的假设而提出的,但局部是否可线性化的问题没有得到很好有效的解决,使得目前的降维算法对自然数据效果不佳.自然数据中有很多是稀疏的,对稀疏数据的降维是局部线性嵌入算法所面临的一个问题.基于对数据自然属性的考虑,利用数据的统计信息动态确定局部线性化范围,依据数据的分布提出一种排列的稀疏局部线性嵌入算法(Sparse local linear embedding algorithm,SLLEA).在数据集稀疏的情况下,该算法能够很好地把握数据的局部和整体信息.将该算法应用于手工流形及图像检索等试验中,验证了该算法的有效性.展开更多
文摘近几年局部流形学习算法研究得到了广泛的关注,如局部线性嵌入以及局部切空间排列算法等.这些算法都是基于局部可线性化的假设而提出的,但局部是否可线性化的问题没有得到很好有效的解决,使得目前的降维算法对自然数据效果不佳.自然数据中有很多是稀疏的,对稀疏数据的降维是局部线性嵌入算法所面临的一个问题.基于对数据自然属性的考虑,利用数据的统计信息动态确定局部线性化范围,依据数据的分布提出一种排列的稀疏局部线性嵌入算法(Sparse local linear embedding algorithm,SLLEA).在数据集稀疏的情况下,该算法能够很好地把握数据的局部和整体信息.将该算法应用于手工流形及图像检索等试验中,验证了该算法的有效性.
