一种基于重构误差的局部线性嵌入算法制造技术

本发明专利技术提出了一种基于重构误差的局部线性嵌入算法，可以在一定程度上解决解决传统的局部线性嵌入算法在面对局部曲率过大的数据不能准确地进行降维的问题，取得更加好的降维效果。本发明专利技术在对数据流形划分局部之后，首先计算出每一个局部上邻域点对中心点的拟合关系并且求得邻域点拟合中心点的重构误差，再根据重构误差的大小和各邻域点与中心点的距离的关系构建出调整矩阵，对原拟合关系进行调整，得到新的重构权重，在降维过程中保持新的重构权重不变得到原数据的低维结果。本发明专利技术在原理上可以保留局部线性嵌入有效的结果而仅仅对结果欠佳的局部进行调整，因此可以在大部分情况比原本的局部线性嵌入算法有更好的效果。

【技术实现步骤摘要】
一种基于重构误差的局部线性嵌入算法
本专利技术属于机器学习中的流形学习领域，是一种用于数据降维算法，可以将原始维度高的数据降到低维的同时保持数据原本的流形结构。
技术介绍
流形学习是数据降维技术中的一种非线性的方法，随着人工智能和机器学习领域的发展，需要处理的数据的维度越来越高，过高的数据维度会带来信息冗余，并且给后续的处理带来不便。数据降维技术就是在尽可能保持原始数据特征的前提下对数据进行维数约减。传统的数据降维方法是线性方法，即相当于寻找一个投影矩阵W将高维数据X直接投影到低维的子空间上：Y＝WTX。但是随着数据类型的增多，数据的结构也变得越来越复杂，非线性的数据的出现，使得线性降维方法应用在这些数据上时会使得不同类的数据发生堆叠，出现相当大的误差，因此流形学习就是一种非线性的数据降维方法，流形学习假设数据是分布在嵌入在高维空间中的低维流形M，即M是高维空间RD的真子集，然而流形M的本征维度为d，且满足d＜＜D，流形学习的目标则是要实现映射M→Rd。即在不影响数据原本的流形结构的同时，进行维数约减。局部线性嵌入(Locall本文档来自技高网...

【技术保护点】
1.一种基于重构误差的局部线性嵌入算法，其特征在于：/nA.提出了一种基于重构误差的局部线性嵌入算法，并且提出一种对权重矩阵进行调整的调整矩阵框架

【技术特征摘要】
1.一种基于重构误差的局部线性嵌入算法，其特征在于：
A.提出了一种基于重构误差的局部线性嵌入算法，并且提出一种对权重矩阵进行调整的调整矩阵框架能够有效解决不理想局部特征的情况，明显提升传统局部线性嵌入算法的效果。
B.对局部线性重构是将中心点映射到邻域点的超平面的本质进行了说明，并且在此基础上提出可以根据重构误差及点之间的欧式距离，仅仅对局部线性重构失效的局部...

【专利技术属性】
技术研发人员：马争鸣，陈皓青，袁雪敬，林远平，刘洁，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44