典型文献
改进的局部线性嵌入及其混成数据降维算法
文献摘要：
基于核的主成分分析(PCA)方法可以有效提取非线性特征,但存在主成分含义模糊、降维分类结果不理想等问题.为了解决上述问题提高数据分类的准确性,提出了一种基于局部线性嵌入(LLE)思想和核主成分分析相结合的算法(KPCA-L).在该算法中首先对LLE进行了改进,使用最短路径算法计算两个样本点间的距离;在此基础上使用局部线性嵌入与核主成分分析(KPCA)混成的降维算法对数据集进行降维.最后在基准数据集上进行了算法性能对比,特别在Isolet数据集上该算法的分类准确性相对PCA、LLE和KPCA分别提高了12.49％、2.86％和3.52％,提高了PCA对平移的鲁棒性以及数据分类性能.
文献关键词：
核主成分分析;局部线性嵌入;最短路径;数据降维;算法设计
中图分类号：
作者姓名：
马思远;贺萍
作者机构：
河北经贸大学信息技术学院 石家庄 050061
文献出处：
引用格式：
[1]马思远;贺萍-.改进的局部线性嵌入及其混成数据降维算法)[J].计算机与数字工程,2022(12):2616-2621
A类：
Isolet
B类：
局部线性嵌入,混成,数据降维,降维算法,有效提取,非线性特征,数据分类,LLE,核主成分分析,KPCA,最短路径算法,算法计算,样本点,基准数据集,算法性能,性能对比,分类准确性,平移,分类性能,算法设计
AB值：
0.272619
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
