欢迎来到天天文库
浏览记录
ID:43860118
大小:305.35 KB
页数:12页
时间:2019-10-16
《高维数据的低维化_图文》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、高光谱成像数据的低维表示摘要:随着大数据时代的到來,高维数据的分析越來越困难。而基于高光谱成像技术的人类情感识别所要分析的数据量的维度也是越来越大,因此,也诞生了很多降维方法。通过降维,可以非常容易地发现数据的极小维度表示,降低后期人数据分析的复杂度。通过采用这些方法进行数据降维,可以找出数据内在的相互关系,非常有利于数据分布规律的分析。关键词:降维;高光谱成像技术;主成分分析;线性判别法;局部线性嵌入;非负矩阵分解LowerDimensionalityofHigh・DimensionDataWiththelargevolumeofdataco
2、ming,highdimensionaldataisverydifficulttobeanalyzed.Thenthedimensionofdataonemotionrecognitionbyhyperspectralimagingislargerandlarger.Soseveralwaysareintroducedtoreducethedatadimensionality-Theywillshowthelowdimensionalstructureofhighdimensionaldata,andcanreducethecomplexity
3、ofdataanalysis.After,theintrinsicconnectionbetweenthedatacanbegoteasily,andishelpfultoresearchthedistributingrules.Keywords:DimensionReduction;HyperspectralImaging;PrincipalComponentAnalysis;LinearDiscriminantAnalysis;LocallyLinearEmbedding;Non-negativeMatrixFactorization一、研
4、究背景从采用各种身体信号(面部表情、语音、身体姿势)到采用生理信号识别人类情感,从利用单一特征作为情感识别系统的输入,到融合多通道信号特征来识别人类情感,科研工作者一直在试图获取更丰富,更有效的人类情感特征用于情感的识别。光谱成像技术可远程无接触地获取所需生理情感信号,是未來情感识别的发展方向之一高光谱成像技术能够在可见光和红外光谱范围内的100-1000个连续窄波段上成像,所成的图像具冇3个维度一2个空间维度和1个波长维度。传统的成像技术只在3个宽波段上成像(红、绿、蓝),每个波段的带宽在100nm数量级上,而高光谱成像在上百至上T个波段上成
5、像,每个波段的带宽可小于lnm,且成像波段不局限在可见光范围内。其数据量也相应以指数的量级增加,如果直接对这些数据进行处理,会有以下问题:首先,会出现所谓的“位数灾难”问题,巨大的计算量将使我们无法忍受;英次,这些数据通常没冇反映出数据的本质特征,如杲直接对他们进行处理,不会得到理想的结果。所以,通常我们需要首先对数据进行降维,然后对降维后的数据进行处理。数据降维的基木原理是把数据样木从高维输入空间通过线性或非线性映射投影到一个低维空间,从而找出隐藏在高维观测数据中有意义的低维结构。之所以能对高维数据进行降维,是因为数据的原始表示常常包含大量兀
6、余:a)有些变量的变化比测量引入的噪声还要小,因此可以看作是无关的;b)冇些变量和其他的变量冇很强的相关性(例如是其他变量的线性组合或是其他函数依赖关系);c)可以找到一组新的不相关的变量;从几何的观点来看,降维可以看成是挖掘嵌入在高维数据屮的低维线性或非线性流形。这种嵌入保留了原始数据的几何特性,即在高维空间中靠近的点在嵌入空间中也相互靠近。数据降维是以牺牲一部分信息为代价的,把高维数据通过投影映射到低维空间中,势必会造成一些原始信息的损失。所以在对高维数据实施降维的过程中如何在最优的保持原始数据的本质的前捉下,实现高维数据的低维表示,是研究
7、的重点。二、降维问题1.定义定义1.1降维问题的模型为(X,F),其中D维数据空间集合X={xl}ll(-般为的一个子集),映射FF:XxTy=F(x),Y是d空间集合(一般是/?",d«D)的一个了集,我们称F是数据集X(到Y)的降维。若F为X的线性函数,则称F为线性降维;否则,称为非线性降维。定义1.2称映射F"K:YtXy^xF-'(y)为嵌入映射。2.分类针对降维问题的0的和待处理数据集合表象维数的多少,对其进行初步的、粗略的分类如下:1•硕降维问题:数据维数从儿千到儿力甚至儿十力•的变化,此时需要对数据集进行“严厉''的降维,以至于达
8、到便于处理的大小,如图像识别、分类问题以及语咅识别问题等。2.软降维问题:此吋数据集合的维数不是太高,降维的需求不是非常的迫切。如社会科学、心理学以及
此文档下载收益归作者所有