一种多局部线性模式保持的降维算法

为了更准确地捕捉数据的局部非线性结构,提出一种基于多局部线性模式保持的降维算法。该文通过局部区域线性重构相应的数据点,利用方向导数代替一阶泰勒展开式中的梯度,降低逼近误差;利用多重线性模式表征数据点,从而更精确地描述数据的局部非线性几何特征;进一步通过最小化嵌入数据空间中的多局部线性重构误差得到嵌入结果。在4个合成数据集和6个真实数据集上实验,结果表明提出方法能够准确捕捉数据的多个非线性结构。

LLE算法中有关参数选取问题的研究

本文针对locally linear embedding (LLE)算法中的两个参数:近邻点的个数k和降维后输出的维数d如何选取的问题,对LLE算法进行了改进。首先对降维的相关知识进行了描述,并具体介绍了对高维数据进行降维的目的。其次,讨论了LLE算法的基本思想和计算步骤。最后,针对LLE算法中存在的问题进行了分析。

流形学习算法综述

流形学习算法作为一种新的维数降维方法工具,其目标是发现嵌入在高维数据空间中的低维流形结构,并给出一个有效的低维表示。目前,流形学习已成为模式识别、机器学习和数据挖掘领域的研究热点问题。介绍了流形学习的基本思想、一些最新研究成果及其算法分析,并提出和分析了有待进一步研究的问题。

流形学习的研究

文章介绍了流形学习基本思想和目前的最新研究成果，同时，简要叙述了流形学习算法的概念。流形学习作为一种新兴的降维手段，其目的是发现嵌入在高维欧氏空间中的低维光滑流形数据结构，并给出有效的低维表示。目前，随着计算机信息网络的飞速发展，流形学习已成为模式识别、机器学习和数据挖掘等领域的热点研究项目。