流形学习简介1决策树简介.pptxVIP

流 形 学 习 简 介;;几种流形学习算法;基于流形学习的方法－LLE（locally linear embedding）*;基于流形学习的方法－LLE（locally linear embedding）*;LLE算法示意图;LLE算法的优点;LLE算法的缺点;LLE算法的例子(1);K选取的原则： 1 近邻点K的值要大于流形的维数d；Kd会提高算法的鲁棒性； 2 K不能过大，对于高曲率的流形，K过大会导致不能正确表示其局部几何关系。 3 K过小会导致流形不连续。 文献*估计K的方法是： Dx是输入空间X的欧氏距离矩阵，Dy是得到嵌入的低维流形Y的欧氏距离矩阵， 是他们之间的相关系数。 (实验得到的K值并不理想！！) * ‘Olga Kouropteva,Oleg Okun and Matti Pietikainen. Selection of the optimal parameter value for the locally linear embedding algorithm’;基于光谱数据的K选取的方法： 同种类型的光谱按照红移的大小，在一维空间中曲线呈单调的（因为一维流形是连续光滑的），所以只要判定这种单调性就可以确定K的大小。如果K过大或者过小，其分布就不是单调的，或是有奇异点的。 单调数列定义：若x1=x2=…=xn=…,则把{xn}称为递增