摘要
局部线性嵌入(LLE)算法在挖掘高维空间的局部结构时,需要人工指定近邻点的个数,无法保证算法的特征提取能力。为了解决这个问题,提出一种样本密度自适应的局部增强线性嵌入算法(SDA-LELE)。首先,利用样本点与其近邻点之间的距离之和,衡量样本分布的稀疏稠密程度,从而自适应地选取近邻点个数;接着,采用局部增强算法,增加相邻样本间的权重,从而使样本在保持局部线性结构的同时也保持局部近邻结构,增强算法特征提取能力;最后,将算法应用在凯斯西储大学和东北石油大学轴承数据集上,并进行了可视化、Fisher信息等实验。实验结果表明,SDA-LELE算法比其他算法能提取出更多的显著特征,获得更好的降维效果。
- 单位