黎曼流形的距离均方差最小降维改进算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 黎曼流形的距离均方差最小降维改进算法 高恩芝 ，王士同 GAO Enzhi一，WANG Shitong 1．江南大学 数字媒体学院，江苏 无锡 214122 2．江苏省信息融合软件工程技术研究开发中心，江苏 无锡 214405 1．SchoolofInformationTechnology,JiangnanUniversity，W uxi，Jiangsu214122，China 2．JiangsuEngineeringRD CenterforInformationFusionSoftware，Wuxi，Jiangsu214405，China GAo Enzhi．WANG Shitong．M inimum squaredmean distancebasedondimension reduction ofRiemannianmanifold． ComputerEngineeringandApplications，2013，49(2)：198—202． Abstract：TheTRIM APalgorithm redefinestheexpressionof thedistanceonthegraph，andinordertomeasurethequalityof theprojectionfunctions，considersthesquarederrorsumofallpairwisegeodesic．Thiswaycanbetterfindwhatisneededfrom high—dimensionalspacetolow—dimensionalvectorspaceconversion．Butthismeasurecan’tbewellexpressthecontrastrelation— shipbetweengraphdistancewhichisdefinedinTRIMAPalgorithm andactualdistancewhichisprojectedtolow dimensional space．Aimingatthisdeficiency，thispaperusesanew standardexpressionanddefinesaparameterm torepresentrelationshipin ordertosolvethedefect，getthebestprojectionandimprovetherecognitionrate．Thepreliminaryexperimentalresultsshowthatit cangetabetterrecognitionperformanceintheORLfaceimageclassificationandrecognitionproblem． Keywords：datadimensionreduction；manifoldlearning；geodesicdistance；ISOM APalgorithm；locallylinearembedding 摘 要 ：TRIMAP算法重新定义了图上距离的表达形式，并用近邻点对 的测地距离的误差和作为衡量投影函数好坏的标 准，通过这种方法可以较好地找到所需的从高维空间到低维空间转换的媒介，但是这种衡量标准不能很好地表达出TRIMAP 中定义的图上距离与投影到低维空间中两点实际距离的对比关系。针对这个不足 ，采用了一个新的衡量标准表达式，定 义一个参数m来代表对比关系，以此来解决这个缺陷，从而更好地获得最佳投影，提高识别率。实验结果表明，在ORL人 脸图像的分类识别问题 中获得 了较好的识别性能。 关键词：数据降维；流形学习；测地距离；等距离映射算法；局部线性嵌入 文献标志码 ：A 中图分类号：TP391 doi：103778／j．issn．1002—8331．1111—0282 1 引言 维数据空间内在的结构特征。但是现存的一些低维线性 科技的发展，信息时代的到来，使得数据集增长更快， 方法虽能较好地对一些具有线性结构的数据集进行维数 数据维数更高，非结构化程度更加突出。因此 ，技术的落 降低，却无法解决那些非线性的数据集。现实中有用的数 后，造成了计算效率低下和信息资源的巨大浪费。如何保 据往往不是一些特征的线性组合 ，而且这些数据也缺少几 持在数据信息完整的前提下从海量数据集中提取