基于自适应聚类流形学习的增量样本降维与识别

• 作者: 唐林波 宋丹 杨静林 赵保军
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 流形学习 局部线性嵌入 增量降维 目标识别 分裂聚类
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 199-205
• 页数: 7页
• 分类号: TP391
• 字数: 5800字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2015.01.32

摘要

为了解决局部线性嵌入（locally linear embedding，LLE）流形学习算法无法自适应确定重构区间和不能进行增量学习等问题，提出了一种自适应聚类增量 LLE（clustering adaptively incremental LLE，C-LLE）目标识别算法。该算法通过建立高维非线性样本集的局部线性结构聚类模型，对聚类后的类内样本采用线性重构，解决了 LLE 算法样本重构邻域无法自适应确定的问题；通过构建降维矩阵，解决了 LLE 算法无法单独对增量进行降维和无法利用增量对目标进行识别的问题。实验表明，本文算法能够准确提取高维样本集的低维流形结构，具有较小的增量降维误差和良好的目标识别性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵保军	北京理工大学信息与电子学院	149	1750	23.0	32.0
2	唐林波	北京理工大学信息与电子学院	39	375	10.0	18.0
3	杨静林	北京理工大学信息与电子学院	1	4	1.0	1.0
4	宋丹		1	4	1.0	1.0