基于自适应图的降维方法

• 作者: 卢爽 孙慧 齐妙
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 高维数据 降维 图构建 自适应图
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 688-693
• 页数: 6页
• 分类号: TP391.41
• 字数: 3872字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2018.06.014

摘要

为了构建能反映高维数据本质结构的高质量图,提出了一种新颖的降维方法基于自适应图的降维方法(DRAG:Dimensionality Reduction based on Adaptive Graphs).与其他传统的基于图的降维方法相比,提出的DRAG避免了传统k近邻或ε球准则构图策略中的参数选择问题,考虑了数据的局部信息和噪声,能自适应地构建稀疏的最优图结构,并将其结合在经典的LPP(Locality Preserving Projection)模型中,学习能有效刻画高维数据本征结构的投影矩阵,从而实现降维的目的.为了评估算法的有效性和可行性,在4个标准的图像数据库(CMU PIE,Extended YaleB,ORL和COIL 20)分别进行了分类与聚类实验,实验结果表明,所提出的方法在分类识别率和聚类准确率上都优于其他对比方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐妙	东北师范大学信息科学与技术学院	9	33	3.0	5.0
2	孙慧	东北师范大学人文学院	12	18	3.0	3.0
3	卢爽	东北师范大学信息科学与技术学院	1	0	0.0	0.0