基于LLE方法的本征维数估计

被引:5
作者
谭璐
吴翊
易东云
机构
[1] 国防科技大学数学与系统科学系
关键词
局部线性嵌入(LLE); 本征维数; 拓扑结构; 高维数据空间;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
基于局部线性嵌入(LLE)方法所确定的数据集的拓扑结构和高维数据空间的距离特性,提出了自逼近度和可分离度的概念.然后利用二者构建了一种新的本征维数估计方法.这种估计方法揭示了 LLE 降维过程中涉及的数据维数与邻域大小的选取之间的内在关联.最后,通过与主成分分析(PCA)进行实例对比,说明这种方法更加合理,更能反映数据集的本征特性.
引用
收藏
页码:7 / 13
页数:7
相关论文
共 10 条
[1]  
Nonlinear dimensionality reduction by locally linear embedding. Roweis ST,Saul LK. Science . 2000
[2]  
Multidimensional Scaling. Cox T,Cox M. . 1994
[3]  
Self-Organizing Maps. Kohonen T. . 2001
[4]  
Intrinsic dimensionality estimation with optimally topology preserving Maps. Bruske J,Sommer G. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1998
[5]  
Learning High-Dimensional Data. Verkeysen M. Limitation and Future Trends in Neural Computation . 2003
[6]  
Isometric Embedding and Continuum ISOMAP. Zha H Y,Zhang Z Y. Proc of the 20th International Conference on Machine Learning . 2003
[7]  
Intrinsic Dimension Estimation Using Packing Numbers. Kegl B. Proc of the Conference on Neural Information Processing Systems . 2002
[8]  
Local Linear Projection(LLP). Huo X M,Chen J H. Proc of the 1st IEEE Workshop on Genomic Signal Processing and Statistics . 2002
[9]  
When is"Nearest Neighhor"Meaningful?. Beyer K S,Goldstein J,Ramakrishnan R,Shaft U. Proc of the 7th International Conference on Database Theory . 1999
[10]  
Principal Component Analysis. Jolliffe IT. . 1986