基于测地线距离的广义高斯型Laplacian特征映射

被引：9

作者：

曾宪华 ^{[1
,2
]}

罗四维 ^{[1
]}

王娇 ^{[1
]}

赵嘉莉 ^{[1
]}

机构：

[1] 北京交通大学计算机与信息技术学院

[2] 西华师范大学计算学院

来源：

软件学报 | 2009年 / 20卷 / 04期

关键词：

流形学习; Laplacian特征映射; 广义高斯函数; 测地线距离; 集成;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

传统的Laplacian特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian特征映射算法(geodesic distance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法.

引用

页码：815 / 824

页数：10

共 4 条

[1] 基于集成的流形学习可视化 [J].