首页|改进的局部线性嵌入及其混成数据降维算法

改进的局部线性嵌入及其混成数据降维算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于核的主成分分析(PCA)方法可以有效提取非线性特征,但存在主成分含义模糊、降维分类结果不理想等问题.为了解决上述问题提高数据分类的准确性,提出了一种基于局部线性嵌入(LLE)思想和核主成分分析相结合的算法(KPCA-L).在该算法中首先对LLE进行了改进,使用最短路径算法计算两个样本点间的距离;在此基础上使用局部线性嵌入与核主成分分析(KPCA)混成的降维算法对数据集进行降维.最后在基准数据集上进行了算法性能对比,特别在Isolet数据集上该算法的分类准确性相对PCA、LLE和KPCA分别提高了12.49％、2.86％和3.52％,提高了PCA对平移的鲁棒性以及数据分类性能.
Improved Locally Linear Embedding and Hybrid Algorithm for Data Dimensionality Reduction

马思远、贺萍

展开 >

河北经贸大学信息技术学院 石家庄 050061

核主成分分析 局部线性嵌入 最短路径 数据降维 算法设计

ZD201901761672171

2022

10.3969/j.issn.1672-9722.2022.12.002

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(12)
  • 1
  • 3