1 中国海洋大学信息科学与工程学院, 山东 青岛 266100
2 青岛科技大学信息科学技术学院, 山东 青岛 266061
3 山东烟草研究院有限公司, 山东 济南 250101
近红外光谱数据的高维、高冗余、高噪声和非线性的特性严重影响了光谱相似性度量的准确性,针对该问题,提出了一种基于网格划分局部线性嵌入(GGLLE)算法的近红外光谱相似性度量方法。首先,根据关键化学成分在光谱中的表达,将高维光谱数据划分为多个网格子空间。其次,对局部线性嵌入(LLE)算法做了两方面改进,并采用改进的LLE算法依次实现每个子空间从高维空间向低维空间的特征映射,计算生成子空间的相似度矩阵。最后,将子空间相似度矩阵归一化处理并求解所累加和生成光谱样本集的相似度矩阵,实现光谱的相似性度量。实验选取两组某烟草企业提供的烟叶光谱构建了光谱的相似性度量模型,以相似性度量的准确率作为算法优劣的衡量标准。实验结果表明,GGLLE算法构建的相似性度量模型的准确率为93.3%,明显优于主成分分析、栈式自编码器和LLE算法的64.2%、67.5%和82.5%,从而证明了GGLLE算法的有效性。
光谱学 近红外光谱 相似性度量 改进局部线性嵌入算法 网格子空间 测地线距离 高维数据 激光与光电子学进展
2019, 56(3): 033001
重庆理工大学 计算机科学与工程系, 重庆 400054
监督局部线性嵌入算法(SLLE)通过数据点的标签信息进行高维数据在低维特征空间的映射, 针对SLLE在均匀化高维数据的分布和最小化重构代价时, 忽略类内偏离总体分布的稀疏离散数据在线性重构过程中可能错误地投影在其他超平面的情形, 引入Kmeans++算法调整样本间距离, 进行最优近邻点的选择, 从而更有效地反映数据在高维空间中的实际分布, 使降维后的数据具备更好的可分性。通过ORL以及Yale人脸数据集上的仿真实验, 结果显示, 该方法具有更强的泛化能力及更高的识别率。
降维 监督局部线性嵌入算法 最优近邻点 人脸识别 聚类算法 dimensionality reduction supervised local linear embedding algorithm optimal nearest neighbor face recognition clustering algorithm
上海交通大学 区域光纤通信网与新型光通信系统国家重点实验室，上海 200240
针对虚拟化技术中，数据中心能源消耗问题，本文研究功率有效的虚拟数据中心嵌入算法.该算法由功率感知嵌入算法、准入策略算法和碎片整理算法三部分组成.在树形网络拓扑结构中，提出功率感知的嵌入算法，得到虚拟数据中心的最低功耗嵌入方式；在动态虚拟网络业务环境中，一般嵌入算法会造成功率波动，通过业务接入策略减少功率波动；随着业务动态地进入和离开，物理网络中出现计算资源碎片，提出碎片整理算法，通过虚拟机迁移的方法，提高服务器的利用率.仿真和评估证明：随着时间的推移，算法能减少功率开支并有效降低功率波动.
数据中心 虚拟化 嵌入算法 带宽保障 接入控制 Data center Virtualization Embedding algorithm Access control
