摘要
近邻保持嵌入算法NPE是流形学习领域中一种重要的降维算法,现已成功应用于很多领域,例如人脸识别、语音识别等,但在处理局部邻域信息量不足、存在短路以及流形曲率大等稀疏数据时,原始数据的几何拓扑结构损坏严重.其主要原因是在邻域选择中没有对数据类间信息进行很好的区分.基于此,提出了一种优化的近邻保持算法(ONPE),在NPE算法中对数据类间信息进行优化,构造类间权值矩阵;并在低维局部重建时引入类内密度信息,从数据类内和类间两个维度出发,更好地避免数据在近邻选取方向上的缺失.将ONPE算法应用于图像检索等实验,结果表明在图像检索的实验中该算法有较高的查准率和查全率.ONPE相对于NPE降维的时间复杂度并没有增加,验证了算法的实用性和有效性.
基金项目
国家自然科学基金(61105085)
河北省高等学校科学技术研究课题(ZC2022013)
国家科技期刊平台
NSTL
维普
万方数据