基于自适应图的降维方法 |
| |
引用本文: | 孙慧,卢爽,齐妙.基于自适应图的降维方法[J].吉林大学学报(信息科学版),2018,36(6):688-693. |
| |
作者姓名: | 孙慧 卢爽 齐妙 |
| |
作者单位: | 东北师范大学a. 人文学院; b. 信息科学与技术学院,长春130117 |
| |
基金项目: | 吉林省教育厅“十二五”科学技术研究基金资助项目( 吉教科合字[2015]第571 号) ; 辽宁省博士科研启动基金资助项目
(201601349) ; 中央高校基本科研业务费专项资金资助项目( 2412016KJ035 ) ; 山东省自然科学基金资助项目
( BS2015DX001)
|
| |
摘 要: | 为了构建能反映高维数据本质结构的高质量图,提出了一种新颖的降维方法———基于自适应图的降维方法( DRAG: Dimensionality Reduction based on Adaptive Graphs) 。与其他传统的基于图的降维方法相比,提出的DRAG 避免了传统k 近邻或ε 球准则构图策略中的参数选择问题,考虑了数据的局部信息和噪声,能自适应地构建稀疏的最优图结构,并将其结合在经典的LPP( Locality Preserving Projection) 模型中,学习能有效刻画高维数据本征结构的投影矩阵,从而实现降维的目的。为了评估算法的有效性和可行性,在4 个标准的图像数据库( CMU PIE,Extended YaleB,ORL 和COIL 20) 分别进行了分类与聚类实验,实验结果表明,所提出的方法在分类识别率和聚类准确率上都优于其他对比方法。
|
关 键 词: | 高维数据 降维 图构建 自适应图 |
|
| 点击此处可从《吉林大学学报(信息科学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(信息科学版)》下载免费的PDF全文 |