改进的局部线性嵌入算法及其应用

摘要：

局部线性嵌入算法(LLE)中常用欧氏距离来度量样本间相似度,而对于具有低维流形结构的高维数据,欧氏距离不能衡量流形上两点间相对位置关系.提出基于Geodesic Rank-order距离的局部线性嵌入算法(简称GRDLLE).应用最短路径算法(Dijkstra算法)找到最短路径长度来近似计算任意两个样本间的测地线距离,计算Rank-order距离用于LLE算法的相似性度量.将GRDLLE算法、其他改进LLE的流形学习算法及2DPCA算法在ORL与Yale数据集上进行对比实验,对数据用GRDLLE算法进行降维后人脸识别率有所提高,结果表明GRDLLE算法具有很好的降维效果.

关键词：局部线性嵌入、流形学习、降维、GRDLLE算法

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No.11571100

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：176-179