一种基于加权标志点的流形学习算法

摘要：

近年来出现的一系列进行维数约简的非线性方法--流形学习中等距映射(Isomap)是其中的代表,该算法高效、简单,但计算复杂度较高.基于标志点(Landmark Points)的L-Isomap减少了计算复杂度,但对于标志点的选取,大都采用随机的方法,致使该算法不稳定.考虑到样本点和近邻点相对位置,将对嵌入流形影响较大的样本点赋予较高的权重.然后根据权重大小选择标志点,同时考虑标志点之间的相对位置,使得选出的标志点不会出现过度集中的现象,近似直线分布的概率也大大降低,从而保证了算法的稳定性.实验结果表明,该算法在标志点数量较少的情况下,比L-Isomap稳定,且对缺失数据的不完整流形,也能获取和Isomap相差不大的结果.

关键词：流形学习、维数约简、标志点、等距映射

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

在线出版日期：2008-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：52-54