基于随机游走的流形学习与可视化

摘要：

现有的全局流形学习算法都敏感于邻域大小这一难以高效选取的参数,它们都采用了基于欧氏距离的邻域图创建方法,从而使邻域图容易产生“短路”边.本文提出了一种基于随机游走模型的全局流形学习算法(Random walk-based isometric mapping,RW-ISOMAP).和欧氏距离相比,由随机游走模型得到的通勤时间距离是由给定两点间的所有通路以概率为权组合而成的,不但鲁棒性更高,而且还能在一定程度上度量具有非线性几何结构的数据之间的相似性.因此采用通勤时间距离来创建邻域图的RW-ISOMAP算法将不再敏感于邻域大小参数,从而可以更容易地选取邻域大小参数,同时还具有更高的鲁棒性.最后的实验结果证实了该算法的有效性.

关键词：全局流形学习、等距映射、邻域图、随机游走、通勤时间距离

所属期刊栏目：32

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61202285;河南省教育厅科学技术研究重点14B520020

在线出版日期：2017-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：559-569