基于概率距离的局部线性嵌入在上下文感知中的应用.PDFVIP

第３１卷第３期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．３ ２０１４年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１４ 基于概率距离的局部线性嵌入在上下文感知中的应用 许　静　王洪元　冯　燕 （常州大学信息科学与工程学院常州市过程感知与互联技术重点实验室　江苏常州２１３１６４） 摘　要　　上下文感知是近几年来研究的热点，主要采用机器学习的算法来进行推理。原始的ＬＬＥ（Ｌｏｃａｌｌｙｌｉｎｅａｒｅｍｂｅｄｄｉｎｇ）算法 只能对单个流形进行采样处理，但是不能处理多流形的情况，不能得到正确的邻域。针对这一点对ＬＬＥ算法进行改进，得到ＰＬＬＥ 算法（ＰｒｏｂａｂｉｌｉｓｔｉｃＬＬＥ），并将改进的算法用ＵＣＩ数据集进行验证。通过实验证明，该方法的分类效果较ＬＬＥ算法、ＩＳＯＭＡＰ算法、 ＰＣＡ算法和ＫＮＮ算法在一定的数据集上要好一些；最后将ＰＬＬＥ算法运用的上下文感知中，可以发现，ＰＬＬＥ算法能够得出较完整 的上下文信息，比ＬＬＥ算法要好。 关键词　　上下文感知　ＬＬＥ　ＰＬＬＥ　分类 中图分类号　ＴＰ７５１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０３．０１０ ＡＰＰＬＹＩＮＧＰＲＯＢＡＢＩＬＩＳＴＩＣＤＩＳＴＡＮＣＥＢＡＳＥＤＬＯＣＡＬＬＩＮＥＡＲ ＥＭＢＥＤＤＩＮＧＩＮＣＯＮＴＥＸＴＡＷＡＲＥＮＥＳＳ ＸｕＪｉｎｇ　ＷａｎｇＨｏｎｇｙｕａｎ　ＦｅｎｇＹａｎ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，ＣｈａｎｇｚｈｏｕＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒ ＰｒｏｃｅｓｓＰｅｒｃｅｐｔｉｏｎａｎｄＩｎｔｅｒｃｏｎｎｅｃｔｅｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｚｈｏｕ２１３１６４，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｃｏｎｔｅｘｔａｗａｒｅｎｅｓｓｉｓｔｈｅｒｅｓｅａｒｃｈｆｏｃｕｓｉｎｒｅｃｅｎｔｙｅａｒｓ，ｉｔｍａｉｎｌｙｕｓｅｓｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｔｏｉｎｆｅｒ．ＯｒｉｇｉｎａｌＬＬＥ（ｌｏ ｃａｌｌｙｌｉｎｅａｒｅｍｂｅｄｄｉｎｇ）ａｌｇｏｒｉｔｈｍｃａｎｏｎｌｙｓａｍｐｌｅａｎｄｐｒｏｃｅｓｓｓｉｎｇｌｅｍａｎｉｆｏｌｄ，ｂｕｔｃａｎ’ｔｄｅａｌｗｉｔｈｍｕｌｔｉｐｌｅｍａｎｉｆｏｌｄｓ，ｎｏｒｏｂｔａｉｎｃｏｒｒｅｃｔ ｎｅｉｇｈｂｏｕｒｈｏｏｄ．Ａｉｍｉｎｇａｔｔｈｉｓｐｏｉｎｔ，ｗｅｉｍｐｒｏｖｅＬＬＥｔｏｆｒｏｍｔｈｅＰＬＬＥ（ｐｒｏｂａｂｉｌｉｓｔｉｃＬＬＥ），ａｎｄｖｅｒｉｆｙｔｈｅｉｍｐｒｏｖｅｄｏｎｅｗｉｔｈＵＣＩｄａｔａｓｅｔｓ． ＴｈｒｏｕｇｈｔｈｅｒｅｓｕｌｔｉｔｐｒｏｖｅｓｔｈａｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｔｓｏｆＰＬＬＥｏｎｓｏｍｅｃｅｒｔａｉｎｄａｔａｓｅｔｓａｒｅｂｅｔｔｅｒｔｈａｎｔｈｅａｌｇｏｒｉｔｈｍｓｏｆＬＬＥ，ＩＳＯＭＡＰ， ＰＣＡａｎｄＫＮＮ．Ｆｉｎａｌｌｙ，ｔｈｅＰＬＬＥａｌｇｏｒｉｔｈｍｉｓａｐｐｌｉｅｄｔｏｃｏｎｔｅｘｔａｗａｒｅｎｅｓｓ，ｉｔｉｓｆｏｕｎｄｔｈａｔｔｈｅＰＬＬＥａｌｇｏｒｉｔｈｍｃａｎｇｅｔｑｕｉｔｅｃｏｍｐｌｅｔｅｃｏｎ ｔｅｘｔｉｎｆｏｒｍａｔｉｏｎ，ｉｎｔｈｉｓｒａｇｅｄｉｔｉｓｂｅｔｔｅｒｔｈａｎＬＬＥ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｎｔｅｘｔａｗａｒｅｎｅｓｓ　ＬＬＥ　ＰＬＬＥ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ 来已经提出了很多流形学习方法［７－９］，主要包括Ｉｓｏｍａｐ、局部 ０　引　言 线性嵌入、拉普拉斯特征映射，局部切空间排列 ＬＴＳＡ（Ｌｏｃａｌ ＴａｎｇｅｎｔＳｐａｃｅＡｌｉｇｎ