论文部分内容阅读
局部线性嵌入(LLE)是一种经典的流形学习算法,它通过保持近邻样本点之间的最小重构权值不变,将原始样本点投影到低维空间。但由于LLE对噪声比较敏感,为了提高LLE的鲁棒性,提出了一种加权LLE(WLLE)算法。首先,利用热核函数计算每个样本点的重要性值;然后将每个样本点的重要性值加入到LLE算法的代价函数中,使得噪声点和样本外点得到了很好抑制。最后由真实的植物叶片图像数据库上的实验结果证实了WLLE算法的有效性和可行性。