主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第8期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
杨剑,李伏欣,王珏.一种改进的局部切空间排列算法.软件学报,2005,16(9):1584-1590
一种改进的局部切空间排列算法
A Better Scaled Local Tangent Space Alignment Algorithm
投稿时间:2004-11-26  修订日期:2005-05-27
DOI:
中文关键词:  维数约简  流形学习  主成分分析  局部主成分分析  局部切空间排列  X-均值
英文关键词:dimensionality reduction  manifold learning  principal component analysis  local principal component analysis  local tangent space alignment  X-means
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60175023(国家自然科学基金);the NationalGrand Fundamental Research 973 Program of China under Grant No.2004CB318103(国家重点基础研究发展规划(973))
作者单位
杨剑 中国科学院,自动化研究所,北京,100080
中国科学院,研究生院,北京,100049 
李伏欣 中国科学院,自动化研究所,北京,100080
中国科学院,研究生院,北京,100049 
王珏 中国科学院,自动化研究所,北京,100080 
摘要点击次数: 3181
全文下载次数: 3736
中文摘要:
      局部切空间排列算法(local tangent space alignment,简称LTSA)是一种新的流形学习算法,能有效地学习出高维采样数据的低维嵌入坐标,但也存在一些不足,如不能处理样本数较大的样本集和新来的样本点.针对这些缺点,提出了一种基于划分的局部切空间排列算法(partitional local tangent space alignment,简称PLTSA).它建立在VQPCA(vector quantization principal component analysis)算法和LTSA
英文摘要:
      Recently, a new manifold learning algorithm, LTSA (local tangent space alignment), has been proposed. It is efficient for many nonlinear dimension reduction problems but unfit for large data sets and newcome data. In this paper, an improved algorithm called partitional local tangent space alignment (PLTSA) is presented, which is based on VQPCA (vector quantization principal component analysis) and LTSA. In the algorithm, the sample space is first divided into overlapping blocks using the X-Means algorithm. Then each block is projected to its local tangent space to get local low-dimensional coordinates of the points in it. At last, the global low-dimensional embedded manifold is obtained by local affine transformations. PLTSA is better than VQPCA in that it gives the global coordinates of the data. It works on a much smaller optimization matrix than that of LTSA and leads to a better-scaled algorithm. The algorithm also provides a set of transformations that allow to calculate the global embedded coordinates of the newcome data. Experiments illustrate the validity of this algorithm.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利