拉普拉斯降维

2021-04-25 13:14:53 浏览:738

定义

降维是模式识别、机器学习、计算机视觉等领域的重要研究课题。从实际中获得的数据往往呈现出多元性和非线性。拉普拉斯降维(Laplacian Eigenmaps)是一种常见的非线性降维方法,主要思想是采用图的拉普拉斯算子描述流形的局部特征,求解能够保持数据之间远近关系的低维嵌入[1]

拉普拉斯特征映射方法采用图的拉普拉斯算子来描述流形的局部结构特征,具体步骤如下:1)构造局部领域图,通常采用KNN-近邻或者ε近邻;2)选择合理的方式设定领域图边权重系数表示i的领域点的下标集合;3)通过矩阵谱分解获得高维数据的低维表示。

 

图 1 (a)两类原始数据,(b)LE降维后的数据[2] 

参考文献

[1] Zhou, Honghu, and Jun Wang. "Laplacian Eigenmaps Dimensionality Reduction Based on Clustering-Adjusted Similarity." Algorithms 12.10 (2019): 210.
[2] Belkin, Mikhail, and Partha Niyogi. "Laplacian eigenmaps and spectral techniques for embedding and clustering." Advances in neural information processing systems. 2002.

目标跟踪

作          者: 泮桥成像光电商城

出          处: https://www.ipanqiao.com/entry/723

版          权:本文版权归泮桥成像光电商城所有

免责声明:本文中使用的部分文字内容与图片来自于网络,如有侵权,请联系作者进行删除。

转          载:欢迎转载,但必须保留上述声明;必须在文章中给出原文链接;否则必究法律责任。

Copyright © 2019-2022 南京超维景生物科技有限公司 版权所有 www.ipanqiao.com苏ICP备20009590号-1
联系我们
立即做合同
微信客服
电话咨询

400-998-9826

17302548620

快速留言

泮桥成像光电商城专业人员会在24小时之内联系您

关闭 提交