基于测地距离逼近的降维算法

TRIMAP算法可以较好地解决一个"将处于某一不明确的黎曼流形上的高维张量数据投影到一低维子空间,而不改变原流形中任一对数据点的测地距离,同时保留识别能力"的问题。但发现了TRIMAP算法中对于图上距离定义的不足,并对其做出了新的定义,重新定义了图上距离的TRIMAP算法,不仅汲取了原算法的优点,并考虑到了不同类之间的大小及各类的疏密程度对属于不同类的样本点之间的距离的影响,可以更有效地识别出待识别样本的类别,提高识别率。经初步的实验验证,在ORL人脸图像的分类问题中获得了比原TRIMAP算法更好的识别性能。

基于Parzen核估计的最大后验概率分类方法

从概率密度函数的角度出发,利用Parzen窗法估计总体样本的概率密度分布,将核方法和Parzen窗法引入最大后验概率方法中,提出一种基于Parzen核估计的最大后验概率的高性能多分类方法。该方法不需要考虑样本数据的具体分布情况,能够得到分类的可信度,给出推理的不确定性依据。在3个国际标准UCI数据集和3个人脸数据集上的实验结果表明,该方法具有较好的分类效果。

黎曼流形的距离均方差最小降维改进算法

TRIMAP算法重新定义了图上距离的表达形式,并用近邻点对的测地距离的误差和作为衡量投影函数好坏的标准,通过这种方法可以较好地找到所需的从高维空间到低维空间转换的媒介,但是这种衡量标准不能很好地表达出TRIMAP中定义的图上距离与投影到低维空间中两点实际距离的对比关系。针对这个不足,采用了一个新的衡量标准表达式,定义一个参数m来代表对比关系,以此来解决这个缺陷,从而更好地获得最佳投影,提高识别率。实验结果表明,在ORL人脸图像的分类识别问题中获得了较好的识别性能。