【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括：(a)寻找每个样本点的K个近邻点；(b)由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；(c)由该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值。本专利技术能够使降维后的数据保持原有的拓扑结构，可以广泛地应用于非线性数据的降维、聚类以及图像分割等领域。【专利说明】
本专利技术涉及。
技术介绍
数据作为信息的载体，当然要分析数据中包含的主要信息，及分析数据的主要特征。也就是说，要研究数据的数字特征。研究数据就是对数据进行采集、分类、录入、储存、统计分析，统计检验等一系列活动的统称。数据是载荷或记录信息的按一定规则排列组合的物理符号。可以是数字、文字、图像，也可以是计算机代码。对信息的接收始于对数据的接收，对信息的获取只能通过对数据背景的解读。数据背景是接收者针对特定数据的信息准备，即当接收者了解物理符号序列的规律，并知道每个符号和符号组合的指向性目标或含义时，便可以获得一组数据所载荷的信息。
技术实现思路
本专利技术的目的为了克服现有技术的不足与缺陷，提供，该数据降维方法可以广泛地应用于非线性数据的降维、...
【技术保护点】
一种数据降维方法，其特征在于，包括以下步骤：(a)把相对于所求样本点距离最近的K个样本点规定为所求样本点的K个近邻点，K为预先给定的值；(b)由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；(c)利用高维输入向量的重构权值矩阵来计算高维数据的低维嵌入坐标，并使所有输出数据保存原有的拓扑结构。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。