基于核矩阵的Isomap增量学习算法研究

被引：5

作者：

王耀南 ^{[1
]}

张莹 ^{[1
]}

李春生 ^{[1
,2
]}

机构：

[1] 湖南大学电气与信息工程学院

[2] 广东商学院数学与计算科学系

来源：

计算机研究与发展 | 2009年 / 46卷 / 09期

基金：

国家自然科学基金重点项目;

关键词：

流形学习; Isomap算法; 测地距离; 增量学习; 核矩阵;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

Isomap算法嵌入向量求解依赖于所有的初始样本,在增加新数据时需要较长时间重新计算所有数据样本间的测地距离.为了提高运算速度,提出一种基于核函数的增量学习Isomap算法,将测地距离矩阵当作一个核矩阵,并通过常数增加的方法保证测地距离矩阵满足Mercer条件,算法只需要计算新增点与原有数据点间的测地距离.与核主成分算法一样,新增点的投影值计算变为核矩阵上的特征分解.在Swiss,Helix和多姿态人脸数据中的实验结果表明,算法大大降低了计算复杂度,有利于快速发现隐藏在高维空间的低维流形分布.

引用

页码：1515 / 1522

页数：8

共 4 条

[1] 动态增殖流形学习算法
曾宪华
罗四维
[J]. 计算机研究与发展, 2007, (09) : 1462 - 1468
[2] Laplacian eigenmaps for dimensionality reduction and data representation
Belkin, M
Niyogi, P
[J]. NEURAL COMPUTATION, 2003, 15 (06) : 1373 - 1396
[3] Nonlinear component analysis as a kernel eigenvalue problem
Scholkopf, B
Smola, A
Muller, KR
[J]. NEURAL COMPUTATION, 1998, 10 (05) : 1299 - 1319
[4] Functions of Positive and Negative Type, and their Connection with the Theory of Integral Equations[J] . J. Mercer.Philosophical Transactions of the Royal Society o . 1909 (441-)

← 1 →