一种基于稀疏嵌入分析的降维方法

被引：17

作者：

闫德勤

刘胜蓝

李燕燕

机构：

[1] 辽宁师范大学计算机与信息技术学院

来源：

自动化学报 | 2011年 / 37卷 / 11期

关键词：

线性化; 局部线性嵌入; 稀疏; 降维;

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：

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.

引用

页码：1306 / 1312

页数：7

共 6 条

[1] 基于线性投影结构的非负矩阵分解[J]. 李乐,章毓晋.自动化学报. 2010(01)
[2] 一种基于共同向量结合2DPCA的人脸识别方法[J]. 文颖,施鹏飞.自动化学报. 2009(02)
[3] 多元统计分析[M]. 科学出版社 , 张润楚, 2006
[4] Laplacian eigenmaps for dimensionality reduction and data representation
Belkin, M
Niyogi, P
[J]. NEURAL COMPUTATION, 2003, 15 (06) : 1373 - 1396
[5] A BLOCK LANCZOS METHOD FOR COMPUTING THE SINGULAR-VALUES AND CORRESPONDING SINGULAR VECTORS OF A MATRIX
GOLUB, GH
LUK, FT
OVERTON, ML
[J]. ACM TRANSACTIONS ON MATHEMATICAL SOFTWARE, 1981, 7 (02): : 149 - 169
[6] Riemannian ManifoldLearning .2 Tong Lin,Hongbin Zha. IEEE Trans.Pattern Analysis and Ma-chine Intelligence . 2008

← 1 →