流形学习算法中邻域大小参数的递增式选取

• 作者: 万春红 赵静玉 邵超
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 流形学习 邻域大小 局部欧氏性 加权主成分分析 重建误差 贝叶斯信息准则
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 人工智能与识别技术
• 页码范围: 194-200
• 页数: 7页
• 分类号: TP18
• 字数: 3677字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.08.037

摘要

流形学习算法能否成功应用依赖于邻域大小参数的选取是否合适,但该参数在实际中通常难以高效选取.为此,提出一种邻域大小参数的递增式选取方法.按照流形的局部欧氏性,邻域图上的所有邻域都呈线性或近似线性,邻域大小参数若合适,此时所有邻域的线性度量可聚成一类;而邻域大小参数若不合适,邻域图上就会有部分邻域不再线性,其线性度量也不能聚成一类.对邻域图上的每一个邻域执行加权主成分分析,用重建误差对其线性程度进行度量,并计算相应的贝叶斯信息准则,以探测其聚类个数,从而实现对邻域大小参数的递增式选取.实验结果表明,该方法无需任何额外参数,具有较高的运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵超	河南财经政法大学计算机与信息工程学院	26	205	6.0	13.0
2	万春红	河南财经政法大学计算机与信息工程学院	10	96	4.0	9.0
3	赵静玉	河南财经政法大学计算机与信息工程学院	9	7	2.0	2.0