基于邻近线性表示的降维方法

• 作者: 冯洋琴 陈菲 高小明
• 来源期刊: 计算机应用研究
• 关键词: 降维 流形学习 无监督 相似图
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2323-2325,2330
• 页数: 4页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.08.019

摘要

针对如何在高维数据集中寻找嵌入的低维流形结构问题,提出了基于邻近线性表示的降维方法,该算法克服了基于成对距离相似性降维算法和基于重建系数相似性降维算法的缺点.该算法具有封闭解,时间复杂度低.实验证明,与LE、ISOMAP和LLE算法相比,该算法抗噪能力强,对邻域大小选取不敏感,在采样数据比较少的情况下也能正常运行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈菲	西南科技大学计算机科学与技术学院	23	78	5.0	7.0
2	高小明	西南科技大学计算机科学与技术学院	22	77	5.0	7.0
3	冯洋琴	西南科技大学计算机科学与技术学院	2	5	2.0	2.0