Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2013-07-15

Journal: 计算机研究与发展

Included Journals: Scopus、CSCD、ISTIC、PKU、EI

Volume: 50

Issue: 7

Page Number: 1426-1434

ISSN: 1000-1239

Key Words: 局部曲率;空间排列;局部空间;连接信息;流形学习

Abstract: 局部切空间排列算法(local tangent space alignment,LTSA)是一种经典的非线性流形学习方法,能够有效地对非线性分布数据进行降维,但它无法学习局部高曲率数据集.针对此问题,给出了描述数据集局部曲率的参数,并提出一种局部最小偏差空间排列(locally minimal deviation spacealignment,LMDSA)算法.该算法考虑到局部切空间低鲁棒性的缺陷,在计算局部最小偏差空间的同时,能够发现数据的局部高曲率现象,通过参数控制及邻域间的连接信息,减少计算局部高曲率空间的可能,进而利用空间排列技术进行降维,手工流形及真实数据集的实验证实了该算法学习局部高曲率数据集的有效性.