西安电子科技大学学报（自然科学版）
西安電子科技大學學報（自然科學版）
서안전자과기대학학보（자연과학판）
JOURNAL OF XIDIAN UNIVERSITY(NATURAL SCIENCE)
2010年
1期
130-135
,共6页
扩散映射%流形学习%非线性降维
擴散映射%流形學習%非線性降維
확산영사%류형학습%비선성강유
diffusion maps%manifold learning%nonlinear dimensionality reduction
非线性降维方法旨在保持数据局部结构的同时,使不在一个邻域内的点之间的距离变得松弛.作为一种新的流形学习框架,扩散映射通过在扩散过程中保持扩散距离进行降维.基于扩散映射的理论背景,建立了多层谱分解的数值算法,并具体给出了用扩散映射进行非线性降维的算法.实验结果表明,与传统的非线性降维方法相比较,该算法能够发现非线性高维数据的本征维数,并且对噪声具有很好的鲁棒性.
非線性降維方法旨在保持數據跼部結構的同時,使不在一箇鄰域內的點之間的距離變得鬆弛.作為一種新的流形學習框架,擴散映射通過在擴散過程中保持擴散距離進行降維.基于擴散映射的理論揹景,建立瞭多層譜分解的數值算法,併具體給齣瞭用擴散映射進行非線性降維的算法.實驗結果錶明,與傳統的非線性降維方法相比較,該算法能夠髮現非線性高維數據的本徵維數,併且對譟聲具有很好的魯棒性.
비선성강유방법지재보지수거국부결구적동시,사불재일개린역내적점지간적거리변득송이.작위일충신적류형학습광가,확산영사통과재확산과정중보지확산거리진행강유.기우확산영사적이론배경,건립료다층보분해적수치산법,병구체급출료용확산영사진행비선성강유적산법.실험결과표명,여전통적비선성강유방법상비교,해산법능구발현비선성고유수거적본정유수,병차대조성구유흔호적로봉성.
Nonlinear dimensionality reduction programs keep the local properties but relax the distances between points which are not in a neighborhood. As a new learning framework, the diffusion method realizes dimensionality reduction in a diffusion processing. Based on the theory of diffusion maps, this paper discusses the numerical method for spectral decomposition and presents the diffusion maps algorithm (DMA). Experimental results show that the DMA technique can detect the intrinsic dimensionality in high-dimensional data and is more stable in noise case.
