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9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
文贵华,陆庭辉,江丽君,文军.基于相对流形的局部线性嵌入.软件学报,2009,20(9):3476-2386
基于相对流形的局部线性嵌入
Locally Linear Embedding Based on Relative Manifold
投稿时间:2007-11-06  修订日期:2008-03-14
DOI:
中文关键词:  局部线性嵌入  相对变换  相对流形  邻域图
英文关键词:locally linear embedding  relative transformation  relative manifold  neighborhood graph
基金项目:Supported by the Key Science-Technology Project of Hubei Province of China under Grant No.2005AA101C17 (湖北省科技攻关项目); the Key Science-Technology Project of Guangdong of China under Grant No.2007B030803006 (广东省科技攻关项目); the Project of Scientific Research Foundation for the Returned Overseas Chinese Scholars (国家教育部留学回国人员科研启动基金)
作者单位
文贵华 华南理工大学 计算机科学与工程学院,广东 广州 510641 
陆庭辉 华南理工大学 计算机科学与工程学院,广东 广州 510641 
江丽君 华南理工大学 电子材料科学与工程系,广东 广州 510641 
文军 湖北民族学院 理学院,湖北 恩施 445000 
摘要点击次数: 3232
全文下载次数: 3990
中文摘要:
      局部线性嵌入算法极大地依赖于邻域是否真实地反映了流形的内在结构,现有方法构造的邻域结构是拓扑不稳定的,对噪音和稀疏数据敏感.根据认知的相对性规律提出了相对变换,并用其构造了相对空间和相对流形.相对变换可以提高数据之间的可区分性,并能抑制噪音和数据稀疏的影响.在构造的相对空间和相对流形上确定数据点的邻域能够更真实地反映流形的内在结构,由此提出了增强的局部线性嵌入算法,明显地提高了性能,特别是基于流形的方法还同时提高了速度.标准数据集上的实验结果验证了该方法的有效性.
英文摘要:
      Locally linear embedding greatly depends on whether the neighborhood graph can realistically reflect the underlying geometry structure of the data manifolds. The topological structure of constructed neighborhood with the existing approaches is unstable. It is sensitive to the noisy and sparse data sets. Based on the relative cognitive law, the relative transformation is presented, by which the relative space and the relative manifold are further constructed. The relative transformation can improve the distinguishing ability between data points and reduce the impact of noise and sparsity of data. To determine the neighborhood in the relative space and the relative manifold can more truly reflect the manifold structure, based on which the enhanced local linear embedding algorithms are developed with significantly improved performance. Besides, the speed is also enhanced with this approach. The experiments on challenging benchmark data sets validate the proposed approach.
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