基于改进流形学习的数据分类算法.pdfVIP

第31卷第12期 计算机应用与软件 Vol_31 No．12 2014年 12月 ComputerApplicationsandSoftware Dee．2014 基于改进流形学习的数据分类算法 关 健 生 (厦门理工学院电子与电气q-程系 福建 厦门361024) 摘 要 针对高维数据分类问题的特点，提出一种基于改进型局部线性嵌入 LLE(LocallyLinearEmbedding)算法的数据降维算 法，结合支持向量机SVM(SupportVectorMachine)算法实现数据分类。首先，通过LLE算法降维后的数据集，按照数据集 内的离差 最小化，数据集间的离差最大化的原则，计算得到最优化邻近点个数；其次，将最优邻近点个数所得的降维数据作为最优结果，按一 定比例选取训练集，输入 SVM算法建立数据分类器；最后，将测试集输入训练完成的分类器中，实现最优化数据分类。选取 Iris flower，Yale等多类数据集与传统算法进行对比实验，验证算法的可行性。实验结果表 明：所提出的算法可以有效地完成数据分类， 针对低维数据和高维数据分类问题具有较好的适用性和优越性，在人脸检测中也取得较好的结果。 关键词 数据分类 局部线性嵌入 最优邻近点个数 降维 最大化 中图分类号 TP391．41 文献标识码 A DOI：10．3969／j．issn．1000—386x．2014．12．014 DATA CLASSIFICATIoN ALGoRITHM BASED oN MoDIFIED M ANIFoLD LEARNING GuanJiansheng (DepartmentofElectronicandElectricalEngineering，XiamenUniversity，Xiamen361024，Fujian，China) Abstract Inlightofthefeatureofhighdimensionaldataclassification，weproposeamodifiedLLE—baseddatadimensionalityreduction algorithm ，andimplementdataclassification in combinationwith support vectormachine．Firstwegetby calculation thenumberofthe optimisedneighbouringpointsaccordingtotheprincipleofminimisingthedeviationwithindatasetandmaximisingthedeviationbetweendata— setsthroughthedatasetofdimension-reducedbyLLEalgorithm．Secondly，weusethedimensionreductiondataderivedfrom thenumberof optimal neighbouringpointsa8theoptimalresult，choosethetrainingsetstocertainproportionandinputthem toSVM algorithm tosetupdata classifier；Finally，weinputthetestsetstothetraining·completeddataclassifiertoimplementtheoptimiseddataclassification．Weselectthe multiple—classdatasetofIrisflowerandYale，etc．tocarryoutcontrastexperimentswithtraditional algorithmsforverifyingthefeasibilityof thealgorithm．Experimentalresults