改进的局部线性嵌入及其混成数据降维算法
马思远
贺萍
河北经贸大学信息技术学院 石家庄 050061
摘要：基于核的主成分分析(PCA)方法可以有效提取非线性特征,但存在主成分含义模糊、降维分类结果不理想等问题.为了解决上述问题提高数据分类的准确性,提出了一种基于局部线性嵌入(LLE)思想和核主成分分析相结合的算法(KPCA-L).在该算法中首先对LLE进行了改进,使用最短路径算法计算两个样本点间的距离;在此基础上使用局部线性嵌入与核主成分分析(KPCA)混成的降维算法对数据集进行降维.最后在基准数据集上进行了算法性能对比,特别在Isolet数据集上该算法的分类准确性相对PCA、LLE和KPCA分别提高了12.49％、2.86％和3.52％,提高了PCA对平移的鲁棒性以及数据分类性能.
关键词：核主成分分析局部线性嵌入最短路径数据降维算法设计
分类号：TP301.6(计算技术、计算机技术)
资助基金：河北省高等学校科学研究计划项目(ZD2019017)国家自然科学基金(61672171)
论文发表日期：2022-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2616-2621 )
英文信息