基于局部约束字典学习的数据降维和重构方法

摘要：

针对目前已有的非线性降维算法存在计算复杂度高、难以处理大型数据集和增量化降维问题,本文提出了一种基于局部约束字典学习的非线性降维算法.该方法通过重构一些潜在标志点的局部内在流形,并在数据处理过程中将训练数据和未知数据一起嵌入到内在流形中,使得数据的内在几何结构特征得以保持.与已有非线性降维方法相比,该算法具有计算复杂度低、存储空间小和通用性强的特点,可以很好地解决增量化降维问题,易于处理大型数据集.另外,该算法也可以解决高维数据的重构问题,与已有重构方法相比具有计算简单、重构误差较低的特点.实验结果表明了算法的有效性.

关键词：字典学习、局部约束、数据降维、数据重构

所属期刊栏目：37

分类号：TP391;TH89(计算技术、计算机技术)

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：99-108