计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
1期
99-101
,共3页
流行学习%线性化%局部线性嵌入%降维%稀疏数据
流行學習%線性化%跼部線性嵌入%降維%稀疏數據
류행학습%선성화%국부선성감입%강유%희소수거
manifold learning%linearization%local linear embedding%dimensionality reduction%sparse data
局部线性嵌入算法以及局部切空间排列算法是目前对降维研究有着重要影响的算法,但对于稀疏数据及噪声数据,在使用这些经典算法降维时效果欠佳.一个重要问题就是这些算法在处理局部邻域时存在信息涵盖量不足.对经典算法中全局信息和局部信息的提取机制进行分析后,提出一种邻域线性竞争的排列方法(neighborhood linear rival alignment algorithm,NLRA).通过对数据点的近邻作局部结构提取,有效挖掘稀疏数据内部信息,使得数据整体降维效果更加稳定.通过手工流形和真实数据集的实验,验证了算法的有效性和稳定性.
跼部線性嵌入算法以及跼部切空間排列算法是目前對降維研究有著重要影響的算法,但對于稀疏數據及譟聲數據,在使用這些經典算法降維時效果欠佳.一箇重要問題就是這些算法在處理跼部鄰域時存在信息涵蓋量不足.對經典算法中全跼信息和跼部信息的提取機製進行分析後,提齣一種鄰域線性競爭的排列方法(neighborhood linear rival alignment algorithm,NLRA).通過對數據點的近鄰作跼部結構提取,有效挖掘稀疏數據內部信息,使得數據整體降維效果更加穩定.通過手工流形和真實數據集的實驗,驗證瞭算法的有效性和穩定性.
국부선성감입산법이급국부절공간배렬산법시목전대강유연구유착중요영향적산법,단대우희소수거급조성수거,재사용저사경전산법강유시효과흠가.일개중요문제취시저사산법재처리국부린역시존재신식함개량불족.대경전산법중전국신식화국부신식적제취궤제진행분석후,제출일충린역선성경쟁적배렬방법(neighborhood linear rival alignment algorithm,NLRA).통과대수거점적근린작국부결구제취,유효알굴희소수거내부신식,사득수거정체강유효과경가은정.통과수공류형화진실수거집적실험,험증료산법적유효성화은정성.