基于测地距离与极限学习机的监督型LLE算法研究

• 作者: 何灵敏 杨小兵 王康健 金伟
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 局部线性嵌入 极限学习机 测地距离 监督型 降维 分类
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 算法
• 页码范围: 248-251
• 页数: 4页
• 分类号: TP181
• 字数: 3977字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.07.060

摘要

局部线性嵌入算法LLE(Locally Linear Embedding)是一种有效的非线性降维方法,但是该算法没有考虑样本的类别标签,并且欧式距离无法精确表示非线性数据的流形结构.针对以上LLE方法的缺陷,提出一种结合测地距离与样本类别信息的监督型LLE算法(ISO-SPLLE).首先在LLE算法的近邻选择中使用测地距离作为相似性度量,然后利用极限学习机求出其映射函数后进行分类测试.将ISO-SPLLE算法与其他改进的LLE算法在UIC标准数据集与基因数据集上进行对比实验,结果表明,该方法对已知类别的数据能更有效地进行降维与识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何灵敏	中国计量学院信息工程学院	21	62	5.0	6.0
2	杨小兵	中国计量学院信息工程学院	17	99	4.0	9.0
3	金伟	中国计量学院信息工程学院	4	18	2.0	4.0
4	王康健	中国计量学院信息工程学院	10	62	5.0	7.0