基于Kernel Rank-order距离的重构权重局部线性嵌入算法

• 作者: 徐春林 杨洋 王正群 鞠玲
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人脸识别 流形学习 权重改进 局部线性嵌入算法 降维
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 149-155,206
• 页数: 8页
• 分类号: TP3
• 字数: 4860字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.026

摘要

针对局部线性嵌入算法(Local Linear Embedding,LLE)短路、离群点影响大和结构信息缺乏等问题,提出基于Kernel Rank-order距离的重构权重局部线性嵌入算法(Reconstruction weight Local Linear Embedding algo-rithm based on Kernel Rank-order distance,KRLLE).用核函数将样本点映射到高维使其更加线性可分,进而获得较好的近邻点集;计算重构权重系数进而得到加权重构权重,重构权重系数根据两点间相关性越大对重构贡献越大的特性来减小离群点的影响,并利用两点间的欧氏距离与测地线距离之比有效地将短路点排除在外;根据加权重构权重得到低维嵌入坐标.在ORL、Yale人脸库和MNIST手写体数据库上的实验表明,KRLLE对离群点具有更好的鲁棒性并且由于增加了结构信息,识别率得到了提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正群	扬州大学信息工程学院	59	362	10.0	16.0
2	鞠玲	扬州大学信息工程学院	3	0	0.0	0.0
3	徐春林		2	0	0.0	0.0
4	杨洋	扬州大学信息工程学院	13	14	2.0	3.0