基于鲁棒的全局流形学习方法

被引：6

作者：

王靖

机构：

[1] 华侨大学信息科学与工程学院

来源：

计算机工程 | 2008年 / 09期

关键词：

鲁棒; 离群点; 流形学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.4 [模式识别与装置];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0811 ; 081101 ;

摘要：

非线性降维在数据挖掘、机器学习、图像分析和计算机视觉等领域应用广泛。等距映射算法(Isomap)是一种全局流形学习方法,能有效地学习等距流形的"低维嵌入",但它对数据中的离群样本点缺乏鲁棒性。针对这种情况,该文提出一种离群点检测方法,基于Isomap的基本思想,给出一种鲁棒的全局流形学习方法,提高Isomap处理离群样本点的能力。数值实验表明了该方法的有效性。

引用

页码：192 / 194

页数：3

共 6 条

[1] A global geometric framework for nonlinear dimension reduction. Tenenbaum J,De Silva V,Langford J. Science . 2000
[2] Global Versus Local Methods in Nonlinear Dimensionality Reduction. Silva V D. Proc.of Conference on Advances in Neural Information Processing Systems . 2003
[3] Robust Locally Linear Embedding. Yeung D Y. Pattern Recognition . 2006
[4] Nonlinear dimensionality reduction by locally linear embedding. SamT Roweis. Science . 2000
[5] Principal Manifolds and Nonlinear Dimensionality Reduction via Tangent Space Alignment. Zhang Zhenyue,Zha Hongyuan. SIAM Journal of Scientific Computing . 2005
[6] Laplacian Eigenmaps and Spectral Techniques for Embedding and Clustering. Belkin M. . 2002

← 1 →