改进的多流形LLE学习算法

摘要：

流形学习已成为机器学习和数据挖掘领域的研究热点.比如,算法LLE(Locally Linear Embedding)作为一种非线性降维算法有很好的泛化性能,被广泛地应用于图像分类和目标识别,但其仅仅假设了数据集处于单流形的情况.MM-LLE(Multiple Manifold Locally Linear Embedding)学习算法作为一种考虑多流形情况的改进算法,依然存在几点不足之处.因此,提出改进的MM-LLE算法,通过任意两类间的局部低维流形组合并构建分类器来提高分类精度;同时改进原算法计算最佳维度的方法.通过与算法ISOMAP、LLE以及MM-LLE比较分类精度,实验结果验证了改进算法的有效性.

关键词：局部线性嵌入(LLE)、多流形学习、最佳维度、分类

所属期刊栏目：54

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金41471371;国家自然科学基金青年科学基金61702270

在线出版日期：2019-01-16（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：156-163