一种基于迭代分解的增量流形学习算法

• 作者: 吉根林 谈超
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 流形学习 迭代分解 增量流形学习
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 数学
• 页码范围: 14-20
• 页数: 7页
• 分类号: TP181
• 字数: 6387字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2016.01.002

摘要

流形学习可以用于发现大型高维数据集的内在结构,并给出理解该数据集的潜在方式,已被视为一种有效的非线性降维方法.近年来,新数据点不断地从数据流中产生,将改变已有数据点及其邻域点的坐标,传统流形学习算法不能有效地用于寻找高维数据流的内在信息.为了解决该问题,本文提出了一种基于迭代分解的增量流形学习算法IMLID(Incremental Manifold Learning Algorithm Based on Iterative Decomposition),可以检测到数据流形中的逐步变化,校准逐渐变化中的流形,可提高在取样于真实世界的特征集上分类效果的精确率,利用真实数据集进行实验验证,结果表明本文提出的算法是有效的,与其他相关算法相比,其性能具有优势,在模式识别、生物信息等领域具有应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉根林	南京师范大学计算机科学与技术学院	138	2757	22.0	50.0
2	谈超	南京师范大学计算机科学与技术学院	7	7	2.0	2.0