| 基于保守自适应K-最近邻算法的维数约简 |
| |
| 引用本文： | 邢西峰,陈月辉,杨斌.基于保守自适应K-最近邻算法的维数约简[J].济南大学学报(自然科学版),2010,24(2):159-162. |
| |
| 作者姓名： | 邢西峰 陈月辉 杨斌 |
| |
| 作者单位： | 济南大学,信息科学与工程学院,山东,济南,250022 |
| |
| 基金项目： | 国家自然科学基金，山东省自然科学基金 |
| |
| 摘 要： | 针对传统的k-最近邻算法存在不能根据样本密度进行自适应选择近邻点数目的缺陷,提出一种改进型的保守自适应k-最近邻算法。该算法首先对每个样本点选择m个近邻点,m取一个比较小的正整数,以保证不存在某个样本点无近邻点;其次把每个样本点的第m+1个最小的欧式距离作为最小值,最小值的α倍作为寻找近邻点的阈值;最后应用经典MDS算法计算。swiss-roll数据集上的降维实验结果表明,降维后的数据能很好地保持原有数据的邻域特性,能有效快捷地寻找近邻点。
|
| 关 键 词： | 保守自适应k-最近邻 维数约简 MDS算法 swiss-roll数据集 流形学习 |
Dimensional Reduction Based on Conservative Adaptive K-Nearest Neighbor Algorithm |
| |
| XING Xi-feng,CHEN Yue-hui,YANG Bin.Dimensional Reduction Based on Conservative Adaptive K-Nearest Neighbor Algorithm[J].Journal of Jinan University(Science & Technology),2010,24(2):159-162. |
| |
| Authors: | XING Xi-feng CHEN Yue-hui YANG Bin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
