改进重构权值的局部线性嵌入算法

• 作者: 刘方原 夏克文 牛文佳
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 流形学习 局部线性嵌入算法 重构权值 降维 鲁棒性
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 图像理解和计算机视觉
• 页码范围: 52-60
• 页数: 9页
• 分类号: TP301.6
• 字数: 5142字
• 语种: 中文
• DOI: 10.11834/jig.170301

摘要

目的 局部线性嵌入(LLE)算法是机器学习、数据挖掘等领域中的一种经典的流形学习算法.为克服LLE算法难以有效处理噪声、大曲率和稀疏采样数据等问题,提出一种改进重构权值的局部线性嵌入算法(IR-WLLE).方法 采用测地线距离来描述结构,重新构造和定义LLE中的重构权值,即在某样本的邻域内,将测地距离与欧氏距离之比定义为结构权值;将测地距离与中值测地距离之比定义为距离权值,再将结构权值与距离权值的乘积作为重构权值,从而将流形的结构和距离两种信息进行有机的结合.结果 对经典的人工数据Swiss roll、S-curve和Helix进行实验,在数据中加入噪声干扰,同时采用稀疏采样的方式来生成数据集,并与原始LLE算法和Hessian局部线性嵌入(HLLE)算法进行比较.实验结果表明,IRWLLE算法对比于LLE算法和HLLE算法,能够更好地保持流形的近邻关系,对流形的展开更加完好.尤其是对于加入噪声的大曲率数据集Helix,IRWLLE展现出极强的鲁棒性.对ORL和Yale人脸数据库进行人脸识别实验,采用最近邻分类器进行识别,将IRWLLE算法的识别结果与LLE算法进行对比.对于ORL数据集,IRWLLE算法识别率为90％,原LLE算法的识别率为85.5％;对于Yale数据集,IRWLLE算法识别率为88％,原LLE算法的识别率为75％,可见IRWLLE在人脸识别率上也有很大提高.结论 本文提出的IRWLLE算法对比于原LLE算法,不仅将流形距离信息引入到重构权值中,而且还将结构信息加入其中,有效减少了噪声和流形外数据点的干扰,所以对于噪声数据具有更强的鲁棒性,能够更好地处理稀疏采样数据和大曲率数据,在人脸识别率上也有较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏克文	河北工业大学电子信息工程学院	82	512	14.0	20.0
2	牛文佳	河北工业大学电子信息工程学院	10	39	3.0	6.0
3	刘方原	河北工业大学电子信息工程学院	1	10	1.0	1.0