正交化近邻关系保持的降维及分类算法

摘要：

针对近邻关系保持嵌入(NPE)算法易于受到降低后的维数影响,而且性能依赖于正确的维数估计的问题,提出了一种正交化的近邻关系保持的嵌入降维方法-ONPE.ONPE方法是使用数据点间的近邻关系来构造邻接图,假设每个数据点都能由其近邻点的线性组合表示,则可以通过提取数据点的局部几何信息,并在降维中保持提取的局部几何信息,迭代地计算正交基来得到数据的低维嵌入坐标.同时,在ONPE算法的基础上,利用局部几何信息.提出了一种在低维空间中使用标签传递(LNP)的分类算法-ONPC.其是假设高维空间中的局部近邻关系在降维后的空间中依然得到保持,并且数据点的类别可由近邻点的类别得到.在人工数据和人脸数据上的实验表明.该算法在减少维数依赖的同时.能有效提高NPE算法的分类性能.

关键词：流形学习、近邻保持嵌入、线性近邻传递算法

所属期刊栏目：14

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目60703042;国家高技术研究发展计划"863"项目2006AA01Z170,2007AA01Z124;浙江省自然科学基金项目Y106045

在线出版日期：2009-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1319-1326