基于模糊核学习矢量量化的Sammon非线性映射算法
提出了一种基于可靠稳定的模糊核学习矢量量化(FKLVQ)聚类的Sammon非线性映射新算法.该方法通过Mercer核,将数据空间映射到高维特征空间,并在此特征空间上进行FKLVQ学习获取数据空间有效且稳定的聚类权矢量,然后在特征空间和输出空间上仅针对各空间的数据样本和它们各自的聚类权矢量进行Sammon非线性核映射.这样既降低了计算的复杂度,又使数据空间和输出空间上数据点与聚类中心间的距离信息保持相似.仿真结果验证了该方法的可靠性和稳定性.
非线性映射、Sammon投影、距离保持性、计算复杂度、模糊核、学习矢量量化
27
TP311.13(计算技术、计算机技术)
国家自然科学基金60172011
2007-04-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
553-555