改进的线性局部切空间排列算法

改进的线性局部切空间排列算法

李文华

【摘 要】摘 要:线性局部切空间排列算法(LLTSA)是一种能很好地适用于识别问题的非线性降维方法,但LLTSA仅仅关注了数据的局部几何结构,而没有体现数据的整体信息。提出了一种基于主成分分析(PCA)改进的线性局部切空间排列算法(P-LLTSA),该算法在LLTSA的基础上,考虑了样本的全局结构,进而得到更好的降维效果。在经典的三维流形和在MNIST图像库手写体识别的实验中,识别率较 PCA、局部保持投影算法(LPP),LLTSA有明显提高,证实了该算法在识别问题中的有效性。

【期刊名称】计算机应用 【年(卷),期】2011(031)001 【总页数】4

【关键词】关键词:主成分分析;局部切空间;流形学习;P-LLTSA算法;识别

0 引言

随着计算机技术、多媒体技术、信息技术的飞速发展,海量数据及高维数据已经成为数据处理的一大难题。高维数据往往包含一些冗余维数,这些维数不但会降低数据处理的效率,还会增大数据处理的误差。这些高维数据同时也会表现出一定的线性或非线性的几何结构。如何降低这些数据的维数已经成为当今有挑战性的问题,目前已经有很多降维方法,如:主成分分析(Principal Component Analysis,PCA)[1]、多维尺度变换[2]等全局的线性降维算法。由于真实世界中的数据很多是非线性分布的,线性降维方法对这些数据的处理效果并不理想,所以近些年出现了很多基于流形学习的非线性降维算法。