基于自组织的鲁棒非线性维数约减算法
现有的非线性维数约减算法需要求解大尺度特征值问题.由于特征值问题至少二次的计算复杂性,这类算法在大样本集上的应用较受限制.此外,现有算法的全局优化机制对于噪声较为敏感,且需要考虑"病态矩阵"的计算精度问题.提出时间复杂性为O(NlogN)的自组织非线性维数约减算法SIE.SIE的主要计算过程是局域的,可提高算法抗噪性、回避病态矩阵的计算精度问题.仿真表明,对于无噪数据和含噪数据,SIE均可获得优化或近似优化的重构质量.
非线性维数约减、自组织、鲁棒性、机器学习
42
TP181(自动化基础理论)
天津市科技发展基金023100511
2005-04-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
188-195