保邻域结构的拉普拉斯特征映射延拓

• 作者: 张传林 方环 王伟文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 新增样本点延拓 稀疏编码 局部结构
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 61-67
• 页数: 7页
• 分类号: TP391
• 字数: 4523字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0153

摘要

针对拉普拉斯特征映射的新增样本点延拓问题,提出一种基于邻域信息的新增样本点延拓方法:假设新增样本点与邻域保持线性关系,使用稀疏编码方法求解线性系数,再由这些系数在低维空间重构得到新增样本点的低维表示.使用1-NN分类算法对新增样本点的低维表示进行分类,实验结果表明,与基于全局信息的稀疏编码重构方法相比,基于邻域信息的稀疏编码重构算法使用更少的时间取得更高的分类准确率,说明该方法的有效性.此外,该方法可以推广至其他非线性降维方法的新增样本点问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张传林	暨南大学信息科学技术学院	38	154	6.0	11.0
2	王伟文	暨南大学信息科学技术学院	1	0	0.0	0.0
3	方环	暨南大学信息科学技术学院	1	0	0.0	0.0