位置:成果数据库 > 期刊 > 期刊详情页
基于流形学习的维数约简算法
  • ISSN号:1000-3428
  • 期刊名称:《计算机工程》
  • 时间:0
  • 分类:TP312[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京科技大学信息工程学院,100083, [2]辽宁师范大学数学学院,大连116029
  • 相关基金:基金项目:国家自然科学基金资助项目“基于大规模复杂结构知识库的知识发现机理、模型与算法研究”(60675030)
中文摘要:

介绍线性维数约简的主成分分析和多维尺度锋法,描述几种经典的能发现嵌入在高维数据空间的低维光滑流形非线性维数约简算法,包括等距映射、局部线性嵌入、拉普拉斯特征映射、局部切空间排列、最大方差展开。与线性维数约简算法相比,非线性维数约简算法通过维数约简能够发现不同类型非线性高维数据的本质特征。

英文摘要:

This paper reviews Principal Components Analysis(PCA) and Multidimensional Scaling(MDS) methods for linear dimensionality reduction. Several classical nonlinear dimensional reduction methods that can find a smooth low-dimensional manifold embedded in the high-dimensional space are described and a number of improvement of these algorithms are introduced, including Isometric Feature Mapping (ISOMAP), Locally Linear Embedding(LLE), I,aplaeian Eigenmaps, Local Tangent Space Alignment(LTSAL Maximum Variance Unfolding (MVU). Compared with linear methods, nonlinear dimensionality reduction methods in manifold can extract the intrinsic characteristics of different types of high-dimensional data performing nonlinear dimensionality reduction.

同期刊论文项目
期刊论文 62 会议论文 11 获奖 4 著作 1
同项目期刊论文
期刊信息
  • 《计算机工程》
  • 北大核心期刊(2014版)
  • 主管单位:中国电子科技集团公司
  • 主办单位:华东计算技术研究所 上海市计算机学会
  • 主编:游小明
  • 地址:上海市桂林路418号
  • 邮编:200233
  • 邮箱:ecice06@ecict.com.cn
  • 电话:021-64846769
  • 国际标准刊号:ISSN:1000-3428
  • 国内统一刊号:ISSN:31-1289/TP
  • 邮发代号:4-310
  • 获奖情况:
  • 1999~2000、2001~2002年度信息产业部优秀期刊奖,2003-2004、2005-2006年度信息产业部电子精品科技...,2007-2008、2009-2010年度工业和信息产业部电子精...,012年度中国科技论文在线优秀期刊一等奖,2013年度中国科技论文在线优秀期刊二等奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:84139