改进重构权值的局部线性嵌入算法
目的 局部线性嵌入(LLE)算法是机器学习、数据挖掘等领域中的一种经典的流形学习算法.为克服LLE算法难以有效处理噪声、大曲率和稀疏采样数据等问题,提出一种改进重构权值的局部线性嵌入算法(IR-WLLE).方法 采用测地线距离来描述结构,重新构造和定义LLE中的重构权值,即在某样本的邻域内,将测地距离与欧氏距离之比定义为结构权值;将测地距离与中值测地距离之比定义为距离权值,再将结构权值与距离权值的乘积作为重构权值,从而将流形的结构和距离两种信息进行有机的结合.结果 对经典的人工数据Swiss roll、S-curve和Helix进行实验,在数据中加入噪声干扰,同时采用稀疏采样的方式来生成数据集,并与原始LLE算法和Hessian局部线性嵌入(HLLE)算法进行比较.实验结果表明,IRWLLE算法对比于LLE算法和HLLE算法,能够更好地保持流形的近邻关系,对流形的展开更加完好.尤其是对于加入噪声的大曲率数据集Helix,IRWLLE展现出极强的鲁棒性.对ORL和Yale人脸数据库进行人脸识别实验,采用最近邻分类器进行识别,将IRWLLE算法的识别结果与LLE算法进行对比.对于ORL数据集,IRWLLE算法识别率为90％,原LLE算法的识别率为85.5％;对于Yale数据集,IRWLLE算法识别率为88％,原LLE算法的识别率为75％,可见IRWLLE在人脸识别率上也有很大提高.结论 本文提出的IRWLLE算法对比于原LLE算法,不仅将流形距离信息引入到重构权值中,而且还将结构信息加入其中,有效减少了噪声和流形外数据点的干扰,所以对于噪声数据具有更强的鲁棒性,能够更好地处理稀疏采样数据和大曲率数据,在人脸识别率上也有较大提升.
流形学习、局部线性嵌入算法、重构权值、降维、鲁棒性
23
TP301.6(计算技术、计算机技术)
河北省自然科学基金项目E2016202341;河北省高等学校科学技术研究项目BJ2014013;Natural Science Foundation of Hebei Province,ChinaE2016202341
2018-02-06（万方平台首次上网日期，不代表论文的发表时间）
共9页
52-60
