基于子空间距离的局部切空间增量学习

摘要：

提出一种基于子空间距离的局部切空间增量学习方法ISLTSA.首先采用基于划分的简化局部切空间排列算法SLTSA,把初始样本集划分为彼此重叠的多个局部最大线性片;然后引入向量到子空间的距离测度描述新数据点与局部最大线性片的接近程度,并将新数据点归入距离其最近的局部最大线性片中;最后,新数据点的全局低维坐标可由局部线性子空间与全局低维流形的仿射变换计算得出.对多个经典数据集的降维结果表明,ISLTSA算法能够保留数据集的局部几何性质,是一种有效的非线性增量学习方法.

关键词：增量学习、流形学习、局部切空间排列、子空间距离、降维、ISLTSA算法

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61671338

在线出版日期：2019-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：394-400