無(wú)監(jiān)督流行學(xué)習(xí)算法的若干探討.pdf

1、在信息處理領(lǐng)域中,通常將信息表示為高維空間中的向量,然后再進(jìn)行后續(xù)的數(shù)據(jù)處理.然而在實(shí)際運(yùn)用中,往往由于高維數(shù)據(jù)的維數(shù)太大而無(wú)法保證數(shù)據(jù)處理方法的健壯和效率.數(shù)據(jù)降維是解決上述問(wèn)題的一種有效途徑.在過(guò)去十年間,已經(jīng)發(fā)展出一大批非線性降維技術(shù).這些技術(shù)包括等距映射方法(ISOMAP),局部線性嵌入方法(LLE),黑賽局部線性嵌入方法(HLLE),拉普拉斯特征映射方法(LE)和局部切空間排列方法(LTSA)等.這些算法基于樣本數(shù)據(jù)分布在低維

2、流形上的假設(shè),在缺乏先驗(yàn)知識(shí)的情況下提取流形的特征,并獲得其低維表示.
　　 本文首先介紹數(shù)據(jù)降維的背景問(wèn)題,問(wèn)題的數(shù)學(xué)描述以及研究現(xiàn)狀,介紹基于流形假設(shè)的PCA,LLE,LE和LTSA等算法.同時(shí)針對(duì)流形學(xué)習(xí)算法共同面臨的困難:如何確定鄰域規(guī)模;闡述一種選取鄰域的統(tǒng)一框架-權(quán)重鄰域.在本文中,我們綜合上述算法的特點(diǎn),提出一種無(wú)監(jiān)督流形學(xué)習(xí)算法:加權(quán)局部切空間排列(WLTSA).我們給出WLTSA的算法思路和實(shí)現(xiàn)細(xì)節(jié),并指出它能