生成拓扑映射降维的改善算法.pdf

摘 要 很多高维实际数据反映点之间的依赖关系，数据点大部分只依赖于低维 流形而不是占据整个数据空间，非线性降维模型生成拓扑映射(GTM)基于潜 在空间到数据空间之间的映射变换，根据少量低维潜在、隐藏变量来反映数 据的概率密度，在降维过程中有一个重要问题就是低维变量的选取方式。原 始GTM采取固定选点的EM算法，对于数据量较高的、流形结构复杂的降维， 插值基函数的数量要求较高，因此计算量庞大。PCGTM借鉴PCA降维，采取 不同于GTM的映射函数，适当的控制了因为维数升高带来的计算困难，但是 在迭代求解中，仍然存在这样的两个问题：初始点选取较少的情况下不能有效 显示高维数据的几何结构，并且迭代循环中只有部分点对降维有影响，剩余点 会造成计算上的浪费。 针对GTM与PCGTM算法的不足，我们通过大量数据实验与观察，分析判 断初始点选取的合理性，并改变固定选点方式，在初始点不足的情况下进行网 格加密，提高数据恢复水平和降维效果，并及时抛弃不影响降维的潜在变量， 保证在不降低降维效果下加速迭代，并且通过实验，说明我们的方法对于提高 降维效率、改善数据恢复效果的有效性。 关键词：降维，生成拓扑映射，密度估计，分类 万方数据 Abstract Most real—lif色dataexhibitsome suchthat high—dimensional dependencies data donot thewh01e but ona data lie points populate space approxinlately lower—dimensionalmanif6ld．TheGenerative can T0pographicMapping，which be aSa method balsed viewedformofnon一1inear to reduction，is dimensionality onatransf6rnlationsbetweenthelatent andthedata to space space．According asmaUamountoflatentvariablesin10Ⅵkdimensionalexhibitsthe space，GTM ofthedata．A indata is problem applications probabnitydensity major mining tochoose latentVariables．TheGTMfixesthe in appropriate original regulargrid latent theEM ishardtoworkwh