一种新的有监督流形学习方法

《一种新的有监督流形学习方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据计算机研究与发展J伽malofComputerRe鲫rchandDevelopnlent1SSN1000一1239fCN1l—1777／TP44(12)：2072～2077，2007一种新的有监督流形学习方法孟德宇1‘2徐宗本1戴明伟21(西安交通大学信息与系统科学研究所西安71呻49)2(西安交通大学电子与信息工程学院西安710049)(dym耶g@mail．卅tu．edu．cn)ANewSuperVisedManifoldLearningMethodMe“gDeyul一，XuZongbenl，andDa

2、iMingwei21(，nmfn据归I咖删￡f删ndS弦招辨&蝌姘，崩’dnJ缸帕埘耳unz唧m_，刑’n”710049)2(＆^。。f0，Ektm"缸d耐f”，or帆n加nE”一月料i”g，崩’nnJE口咖ngmf钟m廿，弼’删710049)Abst憎ctAnewsupervisedmanifold1earningmethodisproposedinthispaper，inordertopresentanewstrategytoeffIcientlyapplyman；foldIearnj“gandr10niine

3、ardimensionalityreductionmethodstosupervisedleamingprobIems．ThenewmethodrealizesefficientsupervisedlearningmainlybasedonintegratirlgthetopoIogypreseⅣingpropertyofthemanifo【dIearningmethods(IsomapandU。E)andsomeprominentpropertiesofs“pportvectormachinesuch船effIc

4、jencyonmiddIeand锄ansizeddatasetsand既sentialcapabilityofsupportvecto碍calculatedfromsupportvectormachine．Themethodisrealizedviathefollowingsteps：fjrsttoapplyIsomaporLLEtogettheembeddi“gsoftheorlginaldata跎tinthe10wdImensionalspace；thentoobtainsupportvectors，whlch

5、arethemostsignificantandintrinsicdataforthefinaIcIassificationresuIt，byusingsupportvectormachineonthese【owdjmensionalembeddingdata；subsequentlyt0getsupportvectorsintheoriginalhighdim朗sionalspacebased0nthecorresPonding1abelsoftheobtainedlowdimensionalsupportvec

6、t。rs；finalIyto8pplysupponvectormachineagainontheseh．ghdimensionalsupportvectorst0gainthefinaIclassificatj。ndiscriminantfunction．Thegoodperformanceoftherlewmethodonaseriesofsyntheticandrealworlddatasetsverifiesthefeasibiljtyandefficiencyofthemethod．Keywords功ani

7、fddlea肋jng；supportvecl。rmachjne；I跏印；LLE；dass而cation摘要提出了一种新的有监督流形学习方法，目的是提供将流形学习降维方法高效应用于有监督学习问题的全新策略．算法的核心思想是集成流形学习方法对高维流彤结构数据的降维有效性与支撑向量机(svM)在中小规模分类数据集上的优良特性实现高鼓有监督流彤学习．算法具体实现步骤为：首先利用svM在流形学习降维数据中选出时分类决策最重要的数据粟，即支撑向量集；按标号返回可得到原空问的支撑向量集；在这个集合上再次使用svM即可得到原空间的

8、分类决策，从而完成有监督流形学习．在一系列人工与实际数据集上的实验验证了方法的有效性．关键词流形学习方法；支撑向量机；等距特征映射；局部线性嵌入；分类中图法分类号TP3914数据挖掘是数据库知识发现中最重要的步骤之一，其目标是从获取的数据中高效准确地挖掘出我收稿日期：20061010；修回日期：200706一ll基金礓目：国家自然科学基金项目(7053103