判别随机近邻嵌入分析方法.pdf

万方数据
判别随机近邻嵌入分析方法郑建炜,邱虹,蒋一波,王万良计算机辅助设计与图形学学报模式识别、图像检索和计算机视觉等所处理的原始数据往往维度很高,给后续操作带来了高计算复杂度、,以降低数据冗余度并缓解“维度灾难”,不包含类别信息,目标是将数据投影至方差最大的方向;ü堇啾鹦息,以类内散度最小和类间散度最大为目标进行最佳投影矩阵求解,,植縁别分析摘要:针对随机近邻嵌人算法的非线性本质和无监督学习特征,提出一种线性有监督的特征提取方法,,用于反映同类和异类数据间的相似度;同时引入线性投影矩阵生成子空间数据,,结果表明,该方法不仅具有较好的可视化能力,而且能够有效地对不同类别的数据进行降维分簇,:流形嵌入;有监督学习;数据可视化;随机近邻嵌入中图法分类号:琎,,:—..簃籹;籹,,,,收稿日期:恍藁厝掌冢鹣钅浚汗易匀豢蒲Щ徽憬∽匀豢蒲Щ=,男,博士,讲师,主要研究方向为模式识别、计算机视觉;邱虹,女,硕士研究生,主要研究方向为机器学习,图像处理;蒋一波,男,博士,副教授,主要研究方向为智能控制、机器学习;王万良,男,博士,博士生导师,主要研究方向为智能控制、物联网.—甧.,
万方数据
“,一兰型二鸵邓芪一∑“.竽∑一蝗纰⋯。一恢一∑,.∥一,,其中缎星襓莤杂Φ淖涌联合概率表达替代械奶跫怕市问剑⒃谧癴—.ü肥暇嗬胙≡窀骼嘌本边缘数据,再对之进行僮鳎沟媚勘攴汉更具针对性;瓼在幕∩弦刖植勘3的思想,在保持类间散度最大的同时保持类内数据分布特性;通过最小距离最大化准则进行投影分析,使得子空间中不同类别问具有最大的散度最大问距图嵌入法首先在类内紧致图中利用线性重构找出高维数据空间中的非线性结构,然后在类间惩罚图中使不同类别的样本尽可能分离,,已提出了不少非线性投影算法,其中最受关注的是基于核和基于几何结构的旨际酰诤说慕滴际跻将原始样本映射至更高维特征空间,,,⋯、局部线性嵌入琇】“⒗绽斯特征映射⒕。再通过多维尺度分析进行流形学习;诮滴讨兄氐惚3秩我庋居邻近数据的线性重构关系;通过构建无向权值图表达成对样本阃的邻域关系,再引入拉普拉斯算子进行降维操作;。基于近邻关系估计出卣蟛⒍灾刑卣鞣纸猓曰竦子空间数据表达;甌首先采用