流形学习中邻域大小参数的合适性判定

• 作者: 万春红 张斌 邵超
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 流形学习 邻域大小 主成分分析(PCA)重建误差 贝叶斯信息准则
• 年，卷（期）: 2010,（20）
• 页码范围: 172-175,192
• 分类号: TP181
• 字数: 3608字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.20.048

摘要

流形学习算法能否成功应用严重依赖于其邻域大小参数的选择是否合适,为此,提出了一种高效的邻域大小参数的合适性判定方法.基于流形的局部欧氏性,该方法用PCA(Principal Component Analysis,主成分分析)重建误差对邻域图上每一个邻域的线性程度进行衡量,然后根据邻域图上所有PCA重建误差的聚类个数来判定相应邻域大小的合适性.该方法无需象残差那样运行相对耗时的流形学习算法,从而具有较高的运行效率,其有效性可通过实验结果得以证实.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张斌	河南财经学院经济管理实验教学中心	16	107	6.0	10.0
2	邵超	河南财经学院计算机与信息工程学院	26	205	6.0	13.0
3	万春红	河南财经学院计算机与信息工程学院	10	96	4.0	9.0