CAJ | 학술논문

针对局部线性嵌入算法(Local Linear Embedding,LLE)利用试凑法寻找近邻数耗时的缺陷性,提出一种增强的核局部线性嵌入算法 (Enhanced Kernel Local Linear Embedding,EKLLE)自动为样本分配邻域;该算法以高斯核函数为核心改进标准LLE距离度量准则,结合样本的类别信息,无需人工干预自动为样本设置不同的近邻数,克服了试凑法获得最优结果时需要大量时间;最后在各样本近邻数不相同的情况下对数据进行维数简约及待测样本分类.EKLLE算法有效地将高维基因表达谱数据映射到低维本质空间中,解决了传统LLE算法不能很好地处理含噪声或者稀疏数据的缺点.通过对比其他肿瘤样本分类实验,验证本文方法的实时性和精确性.
침대국부선성감입산법(Local Linear Embedding,LLE)이용시주법심조근린수모시적결함성,제출일충증강적핵국부선성감입산법 (Enhanced Kernel Local Linear Embedding,EKLLE)자동위양본분배린역;해산법이고사핵함수위핵심개진표준LLE거리도량준칙,결합양본적유별신식,무수인공간예자동위양본설치불동적근린수,극복료시주법획득최우결과시수요대량시간;최후재각양본근린수불상동적정황하대수거진행유수간약급대측양본분류.EKLLE산법유효지장고유기인표체보수거영사도저유본질공간중,해결료전통LLE산법불능흔호지처리함조성혹자희소수거적결점.통과대비기타종류양본분류실험,험증본문방법적실시성화정학성.