作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文针对locally linear embedding (LLE)算法中的两个参数:近邻点的个数k和降维后输出的维数d如何选取的问题,对LLE算法进行了改进。首先对降维的相关知识进行了描述,并具体介绍了对高维数据进行降维的目的。其次,讨论了LLE算法的基本思想和计算步骤。最后,针对LLE算法中存在的问题进行了分析。
推荐文章
局部线性嵌入算法中参数的选取
线性嵌入
最佳参数值
降维
重构误差
一种选取线性不适定问题正则化参数的迭代算法
不适定问题
Tikhonov正则化方法
正则化参数
迭代算法
收敛性
基于LLE算法的人脸识别方法
子空间分析
局部线性嵌入
非线性降维
人脸识别
基于LLE和KRR的人体动作重构算法研究
局部线性嵌入
人体动作重构
核岭回归
流形
逆映射
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 LLE算法中有关参数选取问题的研究
来源期刊 统计学与应用 学科 工学
关键词 LLE算法 相关系数 近邻点的个数k 极大似然估计 降维后输出的维数d
年,卷(期) 2017,(1) 所属期刊栏目
研究方向 页码范围 7-16
页数 10页 分类号 TP39
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高翔 中国海洋大学数学科学学院 46 71 5.0 7.0
2 李芳 中国海洋大学数学科学学院 9 71 3.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LLE算法
相关系数
近邻点的个数k
极大似然估计
降维后输出的维数d
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
统计学与应用
双月刊
2325-2251
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
512
总下载数(次)
3
总被引数(次)
0
论文1v1指导