一种基于非线性特征提取的数据降维算法

摘要：

为了获得良好的图像分类效果，需要采集尽可能多的图像数据特征，进而使得图像原始特征空间的维数越来越高，造成维数灾难。特征提取是通过线性或者非线性映射，将高维特征空间映射到低维空间，从而降低数据维数。现有的特征提取算法往往忽视了数据本身特有的复杂结构以及非线性因素，造成映射方向的模糊以及分类精确度的缺失。充分考虑了图像数据本身的二维特性，通过改进的非线性特征提取方法、流形学习方法来提取图像特征。实验表明，该算法在不影响图像分类效果的前提下可以大大降低数据维数，减少计算复杂度。

关键词：特征提取、流形学习、非线性特征提取、数据维数

所属期刊栏目：31

分类号：TP391.413(计算技术、计算机技术)

资助基金：河南省科技攻关计划0721002210032

在线出版日期：2016-11-10（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：70-73