计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2013年
5期
53-56,60
,共5页
孙洋%叶庆卫%王晓东%周宇
孫洋%葉慶衛%王曉東%週宇
손양%협경위%왕효동%주우
稀疏约束%局部线性嵌入%流形学习%鲁棒性%L1范数%内点迭代法
稀疏約束%跼部線性嵌入%流形學習%魯棒性%L1範數%內點迭代法
희소약속%국부선성감입%류형학습%로봉성%L1범수%내점질대법
sparse constraint%Locally Linear Embedding(LLE)%manifold learning%robustness%L1-norm%interior-point iteration method
局部线性嵌入(LLE)算法可以发现隐藏在高维空间中的局部线性低维流形,实现数据降维,而LLE算法对数据噪声比较敏感,在较强噪声下算法稳定性很差.为此,提出一种基于稀疏约束的改进算法,在计算重构误差的表达式后添加L1范数的惩罚性约束,促使最优重构权值矩阵更具有稀疏性.通过正则化处理,把添加稀疏约束的重构误差最优化目标函数变换成一般二次规划问题,引入内点迭代法快速搜索最优解.仿真实验结果表明,在不同噪声影响下,稀疏约束的改进LLE算法的降维效果明显好于经典LLE算法,具有更强的噪声抵抗能力.
跼部線性嵌入(LLE)算法可以髮現隱藏在高維空間中的跼部線性低維流形,實現數據降維,而LLE算法對數據譟聲比較敏感,在較彊譟聲下算法穩定性很差.為此,提齣一種基于稀疏約束的改進算法,在計算重構誤差的錶達式後添加L1範數的懲罰性約束,促使最優重構權值矩陣更具有稀疏性.通過正則化處理,把添加稀疏約束的重構誤差最優化目標函數變換成一般二次規劃問題,引入內點迭代法快速搜索最優解.倣真實驗結果錶明,在不同譟聲影響下,稀疏約束的改進LLE算法的降維效果明顯好于經典LLE算法,具有更彊的譟聲牴抗能力.
국부선성감입(LLE)산법가이발현은장재고유공간중적국부선성저유류형,실현수거강유,이LLE산법대수거조성비교민감,재교강조성하산법은정성흔차.위차,제출일충기우희소약속적개진산법,재계산중구오차적표체식후첨가L1범수적징벌성약속,촉사최우중구권치구진경구유희소성.통과정칙화처리,파첨가희소약속적중구오차최우화목표함수변환성일반이차규화문제,인입내점질대법쾌속수색최우해.방진실험결과표명,재불동조성영향하,희소약속적개진LLE산법적강유효과명현호우경전LLE산법,구유경강적조성저항능력.
