论文部分内容阅读
拉普拉斯特征映射(LE)算法基于流形学习思想将原始数据映射到低维空间,然而其无法解决样本外点学习问题,更没有使用类别信息。针对这些实际应用问题提出了一种新的基于配对矩阵的拉普拉斯特征映射(PM-LE)算法。PM-LE的目标是使得高维空间中的"相似点"投影到本征低维空间后为近邻点,同时该算法引入类别信息帮助构建近邻图,并且利用最大化相似矩阵及其配对矩阵内积的算法来重新计算权值矩阵,从而更适合应用于分类问题。应用于人脸识别的实验结果证明,PM-LE算法能很好地完成实际的降维和分类任务。