基于聚类和改进距离的LLE方法在数据降维中的应用

被引：33

作者：

王和勇 ^{[1
]}

郑杰 ^{[2
]}

姚正安 ^{[2
]}

李磊 ^{[1
]}

机构：

[1] 中山大学软件研究所

[2] 中山大学数学与计算科学学院

来源：

计算机研究与发展 | 2006年 / 08期

关键词：

多媒体数据库; 图像检索; 局部线性嵌入算法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

局部线性嵌入算法(locallylinearembedding,LLE)是解决降维的方法,针对LLE计算速度和近邻点个数K的选取,研究了该方法的扩展,提出了基于聚类和改进距离的LLE方法·基于聚类LLE方法大大缩减了计算LLE方法的时间;改进距离的LLE方法在近邻点个数取值比较小时的情况下,可得到良好的效果,而原始的LLE方法要达到相同的效果,近邻点个数K的取值通常要大很多·同时,改进距离的LLE方法可以模糊近邻点个数选取·实验结果表明,基于聚类和改进距离相结合的LLE方法相比原来的LLE方法大大提高了降维速度和扩大了参数K的选取·

引用

页码：1485 / 1490

页数：6