降维方法在特征提取中地应用研究.pdfVIP

摘要 进距离的LLE方法在近邻点个数取值比较小时的情况下，也可得到良好的效果， 而原始的LI。E方法要达到棚同的效果，近邻点个数Ⅳ的取值通常要大很多。同时， 改进距离的】。LE方法可以模糊近邻点个数的选取。试验结果显示：基丁聚类和改 进距离相结合的LLE方法相比原来的LLE方法大大提高了降维速度和扩大r参数 K的选取。 三、图像特征提取的一般方法是把数字图像转化为向量，图像数据集变为向 量集，根据向量的距离的远近确定图像属于哪一类。在数字图像转换为向量的过 程中，没有考虑图像像素之川的位置关系，这样就会导致图像特征信息的损失。 针对这种情况，本文提出了用小矩阵覆盖的方法，对图像的每一个像素都用小矩 阵覆盖，然后把各个小矩阵看成数值组成向量(实际上是矩阵)，然后针对小矩 阵向量进行降维。LLE方法可以解决把一幅数字图像直接转换为向量的问题，而 对小矩阵向量组成的矩阵没有办法解决，对此，本篇文章在基于图像直接转换为 向量f{|勺I上E的基础上提出了--{ee新的维数缩减方法，即小矩阵向量的LLE维数缩 MatriX Vector Linear 减方法(Small Locally Embedding，SMVI．LE)。州手写 数字图像和纹理图像的试验显示：基于小矩阵覆盖的S