L1范局部线性嵌入

摘要：

数据降维问题存在于包括机器学习、模式识别、数据挖掘等多个信息处理领域.局部线性嵌入(LLE)是一种用于数据降维的无监督非线性流行学习算法,因其优良的性能,LLE得以广泛应用.针对传统的LLE对离群(或噪声)敏感的问题,提出一种鲁棒的基于L1范数最小化的LLE算法(L1-LLE).通过L1范数最小化来求取局部重构矩阵,减小了重构矩阵能量,能有效克服离群(或噪声)干扰.利用现有优化技术,L1 -LLE算法简单且易实现.证明了L1-LLE算法的收敛性.分别对人造和实际数据集进行应用测试,通过与传统LLE方法进行性能比较,结果显示L1 -LLE方法是稳定、有效的.

关键词：降维、L1-范数、流形学习、局部线性嵌入、鲁棒性

所属期刊栏目：16

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目60975027,60903100;宁波市自然科学基金项目2009A610080

在线出版日期：2012-02-21（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：1802-1811