一种改进的局部切空间排列算法

被引：35

作者：

杨剑

李伏欣

王珏

机构：

[1] 中国科学院自动化研究所

来源：

软件学报 | 2005年 / 09期

关键词：

维数约简; 流形学习; 主成分分析; 局部主成分分析; 局部切空间排列; X-均值;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

局部切空间排列算法(localtangentspacealignment,简称LTSA)是一种新的流形学习算法,能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理样本数较大的样本集和新来的样本点.针对这些缺点,提出了一种基于划分的局部切空间排列算法(partitionallocaltangentspacealignment,简称PLTSA).它建立在VQPCA(vectorquantizationprincipalcomponentanalysis)算法和LTSA算法的基础上,利用X-均值算法把样本空间划分成一些相互有重叠的块,通过把样本点投影到它所在块的局部切空间上得到其局部低维坐标,对局部低维坐标施加平移、旋转、伸缩变换,求出整体低维坐标.PLTSA解决了VQPCA不能求出整体低维坐标和LTSA中大规模矩阵的特征值分解问题,且能够有效处理新来的样本点,这是很多流形学习算法所不能的.通过实验说明了PLTSA的有效性.

引用

页码：1584 / 1590

页数：7

共 5 条

[1] 微分流形初步[M]. - 高等教育出版社 , 陈维桓编著, 2001
[2] Laplacian eigenmaps for dimensionality reduction and data representation
Belkin, M
Niyogi, P
[J]. NEURAL COMPUTATION, 2003, 15 (06) : 1373 - 1396
[3] Dimension reduction by local principal component analysis
Kambhatla, N
Leen, TK
[J]. NEURAL COMPUTATION, 1997, 9 (07) : 1493 - 1516
[4] http://yann.lecun.com/exdb/mnist .
[5] Data Mining: Concepts and Techniques .2 Han Jiawei,Kanber Micheline. Higher Education Press . 2001

← 1 →