一种基于压缩感知的邻域优化算法

• 作者: 刘德山 刘胜蓝 吕志超 闫德勤
• 来源期刊: 计算机应用研究
• 关键词: 流行学习 非线性 压缩感知 优化邻域 降维
• 年，卷（期）: 2014,（9）
• 页码范围: 2841-2845,2849
• 页数: 6页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.09.067

摘要

非线性降维方法是目前对降维研究有着重要影响的方法,但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题,严重影响降维效果,很难广泛应用于真实数据的处理中.对以上问题分析发现,其主要原因在于经典降维算法都是采用全局固定的邻域大小.提出了一种基于压缩感知的邻域优化算法,运用压缩感知技术对高维空间目标点近邻进行压缩采样,构建“收—放”模型,自适应得到最优子空间,同时优化邻域组成元素,使得数据的整体降维效果更加稳定.通过手工流形和真实数据集的实验,验证了算法的有效性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫德勤	辽宁师范大学计算机与信息技术学院	124	1071	15.0	28.0
2	刘德山	辽宁师范大学计算机与信息技术学院	57	349	9.0	17.0
3	吕志超	辽宁师范大学计算机与信息技术学院	4	9	2.0	3.0
4	刘胜蓝	大连理工大学电子信息与电气工程学部	15	129	7.0	11.0