高维数据固有维数的自适应极大似然估计.pdfVIP

第28卷第8期 计算机应用 Vol，28 No，8 2008年8月 Computer Applications Aug，2008 文章编号：1001—9081(2008)08—2088—03 高维数据固有维数的自适应极大似然估计 谷瑞军 ，须文波 ，刘军伟。，姚 娟。 (1．南京审计学院信息科学学院，南京211815；2．江南大学信息工程学院，江苏无锡214112； 3．无锡科技职业学院软件与服务外包学院，江苏无锡214031) (grj79@hotmail．com) 摘 要：如何确定高维数据的固有维数是降维成功与否的关键。基于极大似然估计(MLE)的维数估计方法是一 种新近出现的方法，实现简单，选择合适的近邻能取得不错的结果。但-3近邻数过小或过大时，均有比较明显的偏差。 其根本原因是没有考虑每个点对固有维数的不同贡献。在充分考虑数据集的分布信息之后，提出了一种改进的 MLE——自适应极大似然估计(AMLE)。实验表明，无论在合成数据集还是真实数据集上，AMLE较MLE在估计准确 度上均有很大的提高，对近邻数的变化也不甚敏感。 关键词：固有维数估计；极大似然估计；降维 中图分类号：TP391 文献标志码：A Intrinsic dimension estimation of high-dimensional data based on adaptive maximum likelihood GU Rui an 一，XU Wen．bo ，LIU Jun．wei ，YAO Juan (1．School ofInformation and Science，Na ng Audit University,Na ng Jiangsu 21 1815，China； 2．School ofInformation Technology，Jiangnan University,Wuxi Jiangsu 2141 12，China； 3．Software and Service Outsouring College，Wuxi P ssional College ofScience and Technology,Wuxi Jiangsu 214031，China) Abstract：HOW to estimate the dimension of a dataset is very important to dimension reduction．Maximum likelihood estimation based method is a novel dimension estimation method，which is simple and performs well when appropriate neighbors are selected．But it is very sensitive to the neighbor number by reason of ignoring the distribution difference of each point．An improved m~imum likelihood estimation method named AMLE was proposed in this paper、Considering the distribution of a dataset，AMLE adjusts the contribution of each point to the estimator by designing a weight function．By applying it to a number of sim