一种基于局部稀疏线性嵌入的降维方法及其应用

局部线性嵌入(LLE)是一种非线性的降维方法.LLE方法采用的近邻邻域大小是全局一致的,而且如果近邻个数过大则可能会把非同一个线性空间的点选作为近邻点.本文对LLE方法进行了改进,提出了一种局部稀疏线性嵌入(LSLE)降维法.在LSLE方法中,用解0范数问题的正交匹配追踪(OMP)方法来解线性表示问题.每个样本点都可以用K个近邻点中最能表示该数据的几个样本点稀疏表示.实验表明,在有监督学习和无监督学习应用上,LSLE方法是可行的.