CAJ | 학술논문

流形学习是多个领域的重要研究课题.通过考察各种流形学习方法,提出了一种新的流形学习方法的统一框架,并在此框架下对拉普拉斯特征映射方法(Laplacian eigenmap,LE)进行了分析.进一步,基于此框架,提出了一种改进拉普拉斯特征映射方法(improved Laplacian eigenmap,ILE).它建立在LE方法和最大差异延展算法(maximum variance unfolding,MVU)的基础上,在保持流形谱图拉普拉斯特征的同时,以最大化任意两点之间的差异为目标.ILE有效地解决了拉普拉斯特征映射方法对邻域选择敏感以及MVU方法大计算量、局部限制过强等问题.且能够保持数据聚类性质,挖掘数据内蕴特征.通过实验说明了ILE的有效性.
류형학습시다개영역적중요연구과제.통과고찰각충류형학습방법,제출료일충신적류형학습방법적통일광가,병재차광가하대랍보랍사특정영사방법(Laplacian eigenmap,LE)진행료분석.진일보,기우차광가,제출료일충개진랍보랍사특정영사방법(improved Laplacian eigenmap,ILE).타건립재LE방법화최대차이연전산법(maximum variance unfolding,MVU)적기출상,재보지류형보도랍보랍사특정적동시,이최대화임의량점지간적차이위목표.ILE유효지해결료랍보랍사특정영사방법대린역선택민감이급MVU방법대계산량、국부한제과강등문제.차능구보지수거취류성질,알굴수거내온특정.통과실험설명료ILE적유효성.