高维复杂数据有监督特征提取方法.pdf

摘要 当前数据维效的大幅增长给数据处理带来了前所未有的挑战，如何从这些高维复杂的数据中 发现事物的本质规律成为了迫切需要解决的问题．作为处理高维数据中非常重要的前处理步骤一 效据降维一也就越来越受到人们重视．对高维复杂数据降维方法的研究，是一个非常有挑战性 的问题，有着重要的理论价值，并在模式识别，生物信息学、数字图像处理等领域有着广瑟的应 用．本文研究以数据的分类、可视化为目标的高维复杂数据降维的理论与方法，提出如下针对不 同情形的降维算法t 在基于可分性准则的前提下。针对且前缺乏有效降维算法的高维小样本数据集，提出了一种新 multidimensional 的有监督的特征提取算法一判别多维尺度映射(discriminate mapping，DMM)． 它是在结合了经典的多维尺度变换(classicedMDS)和线性判别分析(LDA)优点的基础上提出来 的．DMM算法能有效地处理维数远大于样本数的数据集，并且还有着很多良好的性质；计算量 小，无任何参数的设置，具有解析解．文中给出了算法的理论支持，并通过大量的数值实验验证了 算法的有效性． 当DMM算法应甩于大样本数据集时