检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]国防科技大学数学与系统科学系,长沙410073
出 处:《模式识别与人工智能》2006年第1期7-13,共7页Pattern Recognition and Artificial Intelligence
基 金:国家863计划(No.2001AA35040); 国家自然科学基金(No.60003013)
摘 要:基于局部线性嵌入(LLE)方法所确定的数据集的拓扑结构和高维数据空间的距离特性,提出了自逼近度和可分离度的概念.然后利用二者构建了一种新的本征维数估计方法.这种估计方法揭示了 LLE 降维过程中涉及的数据维数与邻域大小的选取之间的内在关联.最后,通过与主成分分析(PCA)进行实例对比,说明这种方法更加合理,更能反映数据集的本征特性.A new algorithm to estimate the intrinsic dimension of data sets is proposed. The method is constructed by approximation and separation, which comes from the topological structure of data set and the distance characteristics of high dimensional space . Thereinto , the topological structure is intruduced by LLE. It discloses the relation between dimension and neighborhood then improves LLE. Experiments show that this method is reasonable and reliable than PCA.
关 键 词:局部线性嵌入(LLE) 本征维数 拓扑结构 高维数据空间
分 类 号:TP391.41[自动化与计算机技术—计算机应用技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.249