LLE算法中有关参数选取问题的研究
Research on the Problem of Selecting the Parameter Values for LLE Algorithm
DOI: 10.12677/SA.2017.61002, PDF, HTML, XML, 下载: 1,926  浏览: 4,198  国家科技经费支持
作者: 李芳, 高翔：中国海洋大学数学科学学院，山东 青岛
关键词: LLE算法；相关系数；近邻点的个数k；极大似然估计；降维后输出的维数d；LLE Algorithm； Correlation Coefficient； Number of Nearest Neighbor Points k ； Maximum Likelihood Estimation； Output Dimension d
摘要: 本文针对locally linear embedding (LLE)算法中的两个参数：近邻点的个数k和降维后输出的维数d如何选取的问题，对LLE算法进行了改进。首先对降维的相关知识进行了描述，并具体介绍了对高维数据进行降维的目的。其次，讨论了LLE算法的基本思想和计算步骤。最后，针对LLE算法中存在的问题进行了分析。
Abstract: Aiming at the problem of how to select two parameter values, the number of nearest neighbor points k and the output dimension d, locally linear embedding (LLE) algorithm is improved. Firstly, we describe dimensionality reduction and why reduce dimension of high-dimensional data. Secondly, we discuss the basic idea and computational procedure of the LLE algorithm. Finally, the problems existing in the LLE algorithm are analyzed.
文章引用：李芳, 高翔. LLE算法中有关参数选取问题的研究[J]. 统计学与应用, 2017, 6(1): 7-16. https://doi.org/10.12677/SA.2017.61002

参考文献

[1] 罗芳琼. LLE流行学习的若干问题分析[J]. 现代计算机, 2012(3): 13-16.
[2] 张兴福. 基于流行学习的局部降维算法研究[D]: [博士学位论文]. 哈尔滨: 哈尔滨工程大学, 2012.
[3] 肖健. 局部线性嵌入的流形学习算法研究与应用[D]: [硕士学位论文]. 长沙: 国防科学技术大学, 2005.
[4] Roweis, S.T. and Saul, L.K. (2000) Nonlinear Dimensionality Reduction by Locally Linear Embedding. Science, 290, 2323-2326.
https://doi.org/10.1126/science.290.5500.2323
[5] 杨志伟, 黄秀云. 基于LLE的数据降维方法研究[J]. 中小企业管理与科技旬刊, 2014(25): 197-200.
[6] 高小方. 流行学习方法中的若干问题分析[J]. 计算机科学, 2009, 36(4): 25-28.
[7] 文贵华, 江丽君, 文军. 邻域参数动态变化的局部线性嵌入[J]. 软件学报, 2008, 19(7): 1666-1673.
[8] Kouropteva, O., Okun, O. and Pietikäinen, M. (2002) Selection of the Optimal Parameter Value for the Locally Linear Embedding Algorithm. Scandinavian Conference on Image Analysis, 3540, 359-363.
[9] 邵超, 万春红, 赵静玉. 流形学习算法中邻域大小参数的递增式选取[J]. 计算机工程, 2014, 40(8): 194-200.
[10] 刘建. 高维数据的本征维数估计方法研究[D]: [硕士学位论文]. 长沙: 国防科学技术大学, 2005.
[11] 惠康华, 李春利, 王雪扬, 许新忠. 基于流行学习的本质维数估计[J]. 计算机科学, 2012, 39(s3): 212-214.
[12] Levina, E. and Bickel, P.J. (2004) Maximum Likelihood Estimation of Intrinsic Dimension. Advances in Neural Information Processing Systems, 17, 777-784.
[13] 傅保伟. 基于MLE的本征维数估计方法研究[D]: [硕士学位论文]. 长春: 东北师范大学, 2010.
[14] 谷瑞军, 须文波, 刘军伟, 姚娟. 高维数据固有维数的自适应极大似然估计[J]. 计算机应用, 2008, 28(8): 2088-2090.
[15] 谭璐, 吴翊, 易东云. 基于LLE方法的本征维数估计[J]. 模式识别与人工智能, 2006, 19(1): 7-13.
[16] Fu, B., Wang, X., Yang, B., Han, Z. and Zhao, X. (2014) A Novel Approach for Intrinsic Dimension Estimation Based on Maximum Likelihood Estimation. Lecture Notes in Electrical Engineering, 163, 91-97.
https://doi.org/10.1007/978-1-4614-3872-4_12

为你推荐