基于最小剩余方差的LLE改进算法.pdf

《基于最小剩余方差的LLE改进算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第9期计算机应用与软件Vo1．31No．92014年9月ComputerApplicationsandSoftwareSep．2014基于最小剩余方差的LLE改进算法吴学斌肖迪(南京工业大学自动化电气工程学院江苏南京211816)摘要针对局部线性嵌入算法LLE算法在当流形呈卷曲状、两个曲面间距离比较小时，可能造成流形结构在重构过程的扭曲，以及近邻个数K，降维维数D值选择过程中没有一致的标准导致的降维效果下降等问题，提出一种基于改进距离的并根据剩余方差来智能选取参数值的LLE算法。该算法通过引入新的距离度量公式来替原有算法中的欧氏距离，并根据

2、K，D值引入剩余方差来评估高维数据结构嵌入到低维空间的效果好坏。该方法在UCI数据集和yale人脸库中进行了验证。MATLAB编程实验结果表明，该方法在选取参数值和识别率方面比传统方法有更好的性能。关键词局部线性嵌入算法(LLE)近邻个数降维维数D距离度量剩余方差中图分类号TP3文献标识码ADOI：10．3969／j．issn．1000—386x．2014．09．044ANIMPRoVEDLLEALGoRITHMBASEDoNMINIMUMRESmUALVARIANCEWuXuebinXiaoDi(CollegeofAutomationandEle

3、ctricalEngineering，Na彬ngUniversityofTechnology，Na彬ng211816，Jiangsu，China)AbstractWhenthemanifoldiscurledandthedistancebetweentwosurfacesisrelativelysmal1．thelocallylinearembeddingalgorithm(LLE)maycausedistortionsinmanifoldstructuralintheprocessofreconstruction；moreover，therear

4、enottbeconsistentstandardsinselectingthevalueofnearestnumberKandthedimensionnumberDofdimensionalityreduction，whichleadtothereductionindimensionalityreductioneffect．Inordertodealwiththeseproblems，wepresentanLLEalgorithmthatisbasedonimproveddistanceandonintelligentlyselectingthe

5、parametervaluesaccordingtoresidualvariance．ThealgorithmintroducesnewdistancemetricformulatoreplacetheEuclideandistanceinoriginalalgorithm，andevaluatestheeffectofembeddingthehigh—dimensionaldatastructureintoalow—dimensionalspacebyintroducingresidualvarianceaccordingtothevalueso

6、fK，D．ThemethodisverifiedonUCIdatasetandYalefacedatabase．ExperimentalresultsofMATLABprogrammingillustratethatthismethodachievesbetterperformancethanthetraditionalmethodsinselectingtheDarametersvaluesandrecognitionrate．KeywordsLocallylinearembedding(LLE)NearestnumberKDimensional

7、ityreductionnumberDDistancemetricResidualvari—ance基本原理是将样本点从输入空间R。通过线性变换映射到一个0引言低维空间典型主要的线性降维算法有主成分分析方法(PCA)⋯线性判别分(LDA)L2J。人脸识别仍是现阶段模式识别和计算机视觉领域的研究热经典的线性降维方法，实现简单、快速的计算，而且把特征点之一，人脸图像是异常高维的数据。处理人脸数据一般要先通过线性组合来降维，能够保证找出数据集的真实几何拓扑结降维，因为原始数据往往包含很多噪声信息比如光照，姿态，表构位于高维向量空间的线性子空间中。线性往往

8、只是人们对数情等等。其中有些变量的变化比测量引入的噪声还要小，因此据集合的一种理想情形，数据集合更多的是呈现出非线性的结可