1 重庆大学 光电技术及系统教育部重点实验室,重庆 400030
2 重庆工学院 教授流动站,重庆 400050
提出了一种融合局部与全局结构的保持嵌入(LGPE)算法。该方法首先假定目标空间的整体映射函数,然后结合数据的全局几何结构分布信息进行数据重构,最后通过最小化准则函数来得到嵌入高维空间的低维子流形。LGPE方法在保持数据局部结构的同时保留了全局结构信息,在信噪比为10 dB的稀疏Swiss-roll(N=400)和COIL-20多姿态数据集上都取得了较好的维数约简效果。与其他局部流形学习方法相比,该方法在AT&T人脸图像库中,当嵌入特征矢量维数d<40时,其识别率提高了约15%。在人工与真实数据库的实验结果表明,本文方法对噪声和稀疏数据具有较好的鲁棒性。
维数约简 流形学习 全局几何结构 局部全局保持嵌入 dimensionality reduction manifold learning global geometric structure Local and Global Preserving Embedding (LGPE)
