基于最小熵的流形学习排列方法  

The Minimum Entropy Alignment in Manifold Learning

作　　者：陈静[1] 刘洋[2] 

机构地区：[1]广东工业大学物理与光电工程学院,广东广州510006 [2]广东工业大学信息工程学院,广东广州510006

出　　处：《广东工业大学学报》2015年第3期39-45,共7页Journal of Guangdong University of Technology

基　　金：国家自然科学基金资助项目(61305069);广东省自然科学基金资助项目(S2013040016371)

摘　　要：提出一种渐进式的排列方法:每次只是排列当前阶段交集最大的二个分片的局部坐标.该方法具有以下特点:方法简单,避免了全局排列方法中大型稀疏矩阵的特征值问题;每次排列都保证是误差最小的排列;减轻误差的积累和传播.A new progressive alignment method is proposed, while only the local coordinates of the two patches with the largest intersection at the current stage of progressive alignment will be aligned into a lar-ger local coordinate.The method has the following features：without needing to solve a large-scale eigen-values problem and suffering from the problem of local minima;less accumulation and propagation of a-lignment errors.

关 键 词：流形学习 降维 排列 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]