一种基于稀疏嵌入分析的降维方法

摘要：

近几年局部流形学习算法研究得到了广泛的关注,如局部线性嵌入以及局部切空间排列算法等.这些算法都是基于局部可线性化的假设而提出的,但局部是否可线性化的问题没有得到很好有效的解决,使得目前的降维算法对自然数据效果不佳.自然数据中有很多是稀疏的,对稀疏数据的降维是局部线性嵌入算法所面临的一个问题.基于对数据自然属性的考虑,利用数据的统计信息动态确定局部线性化范围,依据数据的分布提出一种排列的稀疏局部线性嵌入算法(Sparse local linear embedding algorithm,SLLEA).在数据集稀疏的情况下,该算法能够很好地把握数据的局部和整体信息.将该算法应用于手工流形及图像检索等试验中,验证了该算法的有效性.

关键词：线性化、局部线性嵌入、稀疏、降维

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金20070101;辽宁省教育厅高等学校科学研究基金2008344

在线出版日期：2012-03-20（万方平台首次上网日期，不代表论文的发表时间）

页码：1306-1312