基于改进流形学习的数据分类算法-厦门电机工程学会.DOCVIP

计算机应用与软件 Computer Applications and Software 基于改进流形学习的数据分类算法 关健生 １(厦门理工学院 电子与电气工程系，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(Locally Linear Embedding，LLE)算法的数据降维算法，结合支持向量机(Support Vector Machine，SVM)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.2013.01.001 Data Classificatio