自适应局部线性降维方法

作者：蒲玲

来源：计算机应用与软件, 2013, (04): 255-257.

• 高维数据降维
• 流形学习
• 局部邻域
• 固有维数
• 局部切方向 Dimensional reduction of high-dimensional data Manifold learning Local neighbourhood Intrinsic dimensionality Local tangent orientation

高维数据降维方法已经被广泛应用在信息检索、模式识别、数据挖掘和人工智能等领域。针对目前流形学习方法的嵌入效果非常敏感于局部邻域的选取方式,提出一种自适应邻域选择的局部线性降维方法。该方法评估真实数据的固有维数,判断每一数据点的局部切方向,以便自适应地选择每一数据点的邻域数,使得不同数据集与邻域选取方式之间存在很好的自适应性,实现更好的降维效果。在人工生成数据集和医学数据上的仿真结果表明,该方法起到了良好的降维效果。

• 单位
  宜宾学院