基于判别式扩散映射分析的非线性特征提取

• 作者: 刘亚东 张成 李元
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 扩散映射 非线性降维 判别核方案 类别标签 核函数 流形学习
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 470-475
• 页数: 6页
• 分类号: TP311
• 字数: 5607字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.02.0470

摘要

针对高维数据难以被人们直观理解,且难以被机器学习和数据挖据算法有效地处理的问题,提出一种新的非线性降维方法——判别式扩散映射分析(DDMA).该方法将判别核方案应用到扩散映射框架中,依据样本类别标签在类内窗宽和类间窗宽中判别选取高斯核窗宽,使核函数能够有效提取数据的关联特性,准确描述数据空间的结构特征.通过在人工合成Swiss-roll测试和青霉素发酵过程中的仿真应用,与主成分分析(PCA)、线性判别分析(LDA)、核主成分分析(KPCA)、拉普拉斯特征映射(LE)算法和扩散映射(DM)进行比较,实验结果表明DDMA方法在低维空间中代表高维数据的同时成功保留了数据的原始特性,且通过该方法在低维空间中产生的数据结构特性优于其他方法,在数据降维与特征提取性能上验证了该方案的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张成	沈阳化工大学数理系	57	159	6.0	10.0
2	李元	沈阳化工大学信息工程学院	122	550	12.0	18.0
3	刘亚东	沈阳化工大学信息工程学院	4	9	2.0	3.0