基于直接估计梯度思想的数据降维算法  

Data Dimensionality Reduction Algorithm Based on Direct Estimate Grads

作　　者：宋欣[1] 叶世伟[2] 

机构地区：[1]中国科学院研究生院工程教育学院 [2]中国科学院研究生院信息科学与工程学院,北京100049

出　　处：《计算机工程》2008年第8期205-207,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60435010);河北省教育厅2006年科研计划资助项目(Z2006303);东北大学“985工程”信息化基础结构关键技术科技创新平台项目

摘　　要：高维非线性数据的降维处理对于计算机完成高复杂度的数据源分析是非常重要的。从拓扑学角度分析,维数约简的过程是挖掘嵌入在高维数据中的低维线性或非线性的流形。该文在局部嵌入思想的流形学习算法的基础上,提出直接估计梯度值的方法,从而达到局部线性误差逼近最小化,实现高维非线性数据的维数约简,并在Swissroll曲线上采样测试取得了良好的降维效果。The dimensionality reduction techniques are very important for high-dimensional nonlinear data to complete the processing and analysis of the high complexity data source.From the view of topology,the process of dimensionality reduction is to find a low-dimensional linear or nonlinear manifold embedded in the high-dimensional data.On the basis of locally embedding manifold learning algorithms,a data dimensionality reduction algorithm based on direct estimate grads is proposed.The dimensionality reduction of the high-dimensionality nonlinear data is achieved by locally linear error approximating minimum.The simulation results of Swiss roll curse sampling and test show the significant effectiveness of the proposed algorithm.

关 键 词：直接估计梯度 降维算法 流形学习 局部嵌入 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]