基于自适应最近邻的局部保持投影算法.pdfVIP

ComputerEngineering口 ，fc口ff0 计算机工程与应用 2011，47(28) 209 基于 自适应最近邻的局部保持投影算法 喻 军，李志勇，孟金涛 YU Jun，LIZhiyong，MENG Jintao 郑州航空工业管理学院 数理系，郑州 450015 DepartmentofMathematicsand Physics，Zhengzhou Institute ofAeronauticalIndustry Management，Zhengzhou 450015，China YU Jun．LIZhiyong。MENG Jintao．Localitypreservingprojectionsbasedonadaptivenearestneighb0LComputerEngi· neeringandApplications，2011，47(28)：209-211． Abstract：LocalityPreservingProjectionsalgorithm(LPP)isanew dimensionalityreductiontechnique．Butitisanunsuper- vised learning algorithm．Itcould notprocessclassification effcctively．A new supervised learning algorithm is proposed，which combineswith adaptive nearest neighbor and LPP．The method modifies the similar measure matrix of LPP．Compared with LPP，because ituses class information fully，hte algorithm isa supervised leaming．Experimentation based on 2-D visualiza‘ tion and UM IST．ORL face datasetsshowshtatthe proposedmethod achieveshigherrecognition rate． Keywords：supervisedlearning；adaptivenearestneighbor；localitypreservingprojections 摘 要：局部保持投影 (LPP)是一种新的数据降维技术，但其本身是一种非监督学习算法，对于分类问题效果不是太好。基于自 适应最近邻，结合LPP算法，提 出了一种有监督的局部保持投影算法(ANNLPP)。该方法通过修改LPP算法中的权值矩阵，在降 维的同时，增加了类别信息，是一种有监督学习算法。通过二维数据可视化和UMIST、ORL人脸识别实验，表明该方法对于分类 问题具有较好的降维效果。 关键词 ：监督学习；自适应最近邻；局部保持投影 DOI：10．3778~．issn．1002—8331．2011．28．058 文章编号：1002．8331(2011)28．0209．03 文献标识码：A 中图分类号：TP301 1 引言 针对上述问题 ，提出一种基于 自适应最近邻的有监督的 维数约减 (特征提取)是机器学习和模式识别等领域的一 局部保持投影 (ANNLPP)，该算法通过修改LPP算法中的权值 个关键的问题，关于它的研究一直以来都是一个热点。主成 矩阵S…引入不同类别样本点的类内协方差和类问协方差矩 分分析(PCA)、多维定标(MDS)、线性判别分析(LDA)等方法 阵，使得投影后的特征既能够尽可能地保持图像之间的局部 已成为经典的维数约减技术n。，近年来 ，基于流形学习(ma— 结构属性，又能充分利用不同类别图像之间的差异信息，是一 chinelearning)的降维技术引起了国内外学者的关注 ，涌现出 种有监督的学习算法。通过数据的二维可视化和在ORL人脸 大量的优异的降维方法，例如，局部线性嵌入 (LLE)、局部保持 数据库上的识别实验，结果表明了所提算法的有效l生和正确性。 投影 (LPP)等。 从模式识别的角度来说，降维方法可分为两类，即有监督 2 局部保持投影算法 的和无监督的降维方法，PCA、MDS