论文部分内容阅读
流形学习是将高维空间的非线性数据映射到低维空间。已有的流形学习方法都是在合适的邻域上进行的,因此,邻域大小的选择是流形学习成功的关键。本文提出了一种邻域选择算法,该方法在保证邻域图连通的情况下,根据流形结构的局部线性特性,对不同结构的流形选择合适的邻域大小,特别是当数据点具有聚类的特性时,能很好的重构流形。用几种拟合数据进行测试,并对算法复杂度进行了分析,结果表明算法稳定,简便,有效可行。