【摘 要】
:
复杂事物和对象通常用高维数据来表达和描述。如果直接对高维数据进行处理(如分类识别),容易导致“维数灾难”问题。因此,对此类数据进行降维,即减弱(或去掉)不必要的特征,加强(
论文部分内容阅读
复杂事物和对象通常用高维数据来表达和描述。如果直接对高维数据进行处理(如分类识别),容易导致“维数灾难”问题。因此,对此类数据进行降维,即减弱(或去掉)不必要的特征,加强(或保留)有重要影响的特征,能大大提高信息处理的效率和性能,是信息领域的重要研究内容。近来提出的流形学习方法,能够克服传统线性降维方法无法保持数据间非线性结构的缺陷,找出隐藏在高维观测数据中有意义的非线性低维流形分布,以消除信息冗余,减少运算量。这种非线性降维方法目前已成为降维算法的研究热点,已成功地应用于数据压缩、特征提取和高维数据可视化等领域。
本文进行了以下研究:
1、综述了目前用于数据降维处理的常用线性算法和基于流形学习的非线性算法的原理、特点以及进展。对基于流形学习的Isomap算法和LLE算法以及改进算法——增量式Isomap算法、有监督的Isomap算法、增量式LLE算法和有监督的LLE算法进行了应用实例分析。
2、结合增量式Isomap算法和有监督的Isomap算法,提出了有监督的增量式Isomap算法,并进行了人脸图像实验。实验结果证明,新方法继承了经典Isomap算法最大限度地保持测地线距离的线性子空间的优点,且改进了Isomap无法对后续采集的测试样本单独进行降维处理和未能利用样本点的分类信息的两点不足之处;节省了计算时间,提高了算法效率。
3、根据上述改进思路,对具有相同缺陷的LLE算法也进行了类似的改进。提出了有监督的增量式LLE算法,并进行了人脸图像实验。实验结果证明,新方法不仅具有LLE算法最大限度保持线性组合系数的线性子空间嵌入的优点,且大大降低了处理新增样本点的计算时间,并且低维嵌入效果与LLE算法不相上下。
其他文献
随着计算机应用技术和电子商务的快速发展,企业可获取的信息数量和类型有了极大的增长。由于XML的可扩展性、结构性以及平台无关性的优点,XML已经成为Intemet数据交换事实上
粗糙集理论是一种处理含糊和不确定性问题的新型数学工具,已广泛应用于机器学习、决策分析、知识发现、专家系统、决策支持系统、模式识别、模糊控制等领域。目前粗糙集理论
网络蠕虫是一种能够自我复制、自动传播的恶意移动代码,它不依赖于人的参与,具有一定的智能性,目前已成为Internet中最主要的安全威胁之一。近年来,P2P系统流行,其用户越来越
随着计算机技术、互联网技术的快速发展,数据呈现爆炸性的增长趋势,对海量数据的存储需求也越来越大。为了满足需求,许多新型分布式存储系统开始出现,并被应用于实际的生产中
随着工业的发展和城市化的加快,空气污染愈加严重,在高楼林立人口密集的城市环境中更为突出。而突发的空气污染事故扩散快,危害大,具有不可以预测性,为了能够在事故发生后,快
随着万维网(World Wide Web,WEB或WWW)规模和应用的飞速发展,Web数据爆炸式增长,Web数据已经形成了世界上最庞大的数据库。此外,Web数据的相关数据如搜索记录、各种Web服务使
随着Internet的飞速发展,网络上的资源共享越来越强化。随之而来的,网络安全问题也越来越突出。网络在带给人们诸多便利的同时,也成了许多犯罪分子攻击的目标。他们以计算机
医学图像分割一直是医学图像处理和分析领域的研究热点和难点,磁共振成像是一种无损伤、高分辨率、解剖结构显示清晰的医学成像技术。在脑组织的诊断中,磁共振成像有着独特的
无线传感器网络集成了传感器、嵌入式计算、分布式信息处理和无线通信四大技术,是一种全新的信息获取、处理和传输技术。它可用于军事、环境监测、医疗救护、商业等领域,因而
地址与身份标识分离网络(LISP)将IP地址的身份信息与地址信息语义分离,即IP地址不再同时表示节点的位置信息和节点的身份信息,有效缓解了当前互联网的可扩展性、移动性、多宿