融合LLE和ISOMAP的非线性降维方法

被引：12

作者：

张少龙 ^{[1
]}

巩知乐 ^{[1
]}

廖海斌 ^{[2
]}

机构：

[1] 平顶山工业职业技术学院计算机与软件工程学院

[2] 湖北科技学院计算机科技与技术学院

来源：

计算机应用研究 | 2014年 / 31卷 / 01期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

人脸识别; 流形学习; 数据降维; 全局距离保持; 局部结构保持;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

局部线性嵌入(LLE)和等距映射(ISOMAP)在降维过程中都只单一地保留数据集的某一种特性结构,从而使降维后的数据集往往存在顾此失彼的情况。针对这种情况,借助流形学习的核框架,提出融合LLE和ISOMAP的非线性降维方法。新的融合方法使降维后的数据集既保持着数据点间的局部邻域关系,也保持着数据点间的全局距离关系。在仿真数据集和实际数据集上的实验结果证实了该方法的优越性。

引用

页码：277 / 280

页数：4