计算机应用与软件
計算機應用與軟件
계산궤응용여연건
Computer Applications and Software
2015年
7期
248-251
,共4页
金伟%何灵敏%杨小兵%王康健
金偉%何靈敏%楊小兵%王康健
금위%하령민%양소병%왕강건
局部线性嵌入%极限学习机%测地距离%监督型%降维%分类
跼部線性嵌入%極限學習機%測地距離%鑑督型%降維%分類
국부선성감입%겁한학습궤%측지거리%감독형%강유%분류
Locally linear embedding%Extreme learning machine (ELM)%Geodesic distance%Supervised%Dimensionality reduction%Classification
局部线性嵌入算法LLE(Locally Linear Embedding)是一种有效的非线性降维方法,但是该算法没有考虑样本的类别标签,并且欧式距离无法精确表示非线性数据的流形结构.针对以上LLE方法的缺陷,提出一种结合测地距离与样本类别信息的监督型LLE算法(ISO-SPLLE).首先在LLE算法的近邻选择中使用测地距离作为相似性度量,然后利用极限学习机求出其映射函数后进行分类测试.将ISO-SPLLE算法与其他改进的LLE算法在UIC标准数据集与基因数据集上进行对比实验,结果表明,该方法对已知类别的数据能更有效地进行降维与识别.
跼部線性嵌入算法LLE(Locally Linear Embedding)是一種有效的非線性降維方法,但是該算法沒有攷慮樣本的類彆標籤,併且歐式距離無法精確錶示非線性數據的流形結構.針對以上LLE方法的缺陷,提齣一種結閤測地距離與樣本類彆信息的鑑督型LLE算法(ISO-SPLLE).首先在LLE算法的近鄰選擇中使用測地距離作為相似性度量,然後利用極限學習機求齣其映射函數後進行分類測試.將ISO-SPLLE算法與其他改進的LLE算法在UIC標準數據集與基因數據集上進行對比實驗,結果錶明,該方法對已知類彆的數據能更有效地進行降維與識彆.
국부선성감입산법LLE(Locally Linear Embedding)시일충유효적비선성강유방법,단시해산법몰유고필양본적유별표첨,병차구식거리무법정학표시비선성수거적류형결구.침대이상LLE방법적결함,제출일충결합측지거리여양본유별신식적감독형LLE산법(ISO-SPLLE).수선재LLE산법적근린선택중사용측지거리작위상사성도량,연후이용겁한학습궤구출기영사함수후진행분류측시.장ISO-SPLLE산법여기타개진적LLE산법재UIC표준수거집여기인수거집상진행대비실험,결과표명,해방법대이지유별적수거능경유효지진행강유여식별.
