流形学习算法中邻域大小参数的递增式选取.pdf

《流形学习算法中邻域大小参数的递增式选取.pdf》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、第40卷第8期计算机工程2014年8月Vo1．40NO．8ComputerEngineeringAugust2014·人工智能及识别技术·文章编号：1000-3428(2014)08-0194-07文献标识码：A中图分类号：TPI8流形学习算法中邻域大小参数的递增式选取邵超，万春红，赵静玉(河南财经政法大学计算机与信息工程学院，郑州450002)摘要：流形学习算法能否成功应用依赖于邻域大小参数的选取是否合适，但该参数在实际中通常难以高效选取。为此，提出一种邻域大小参数的递增式选取方法。按照流形的局部欧氏性，邻域图上的所有邻域都呈线性或近似线性，邻域大小参数若合适，此时所有邻域的线性度量可

2、聚成一类；而邻域大小参数若不合适，邻域图上就会有部分邻域不再线性，其线性度量也不能聚成一类。对邻域图上的每一个邻域执行加权主成分分析，用重建误差对其线性程度进行度量，并计算相应的贝叶斯信息准则，以探测其聚类个数，从而实现对邻域大小参数的递增式选取。实验结果表明，该方法无需任何额外参数，具有较高的运行效率。关键词：流形学习；邻域大小；局部欧氏性；加权主成分分析；重建误差；叶斯信息准则IncrementalSelectionofNeighb0rh00dSizeParameterforManifoldLearningAlgorithmsSHAOChao，WANChun—hong，ZHAOJin

3、g—yu(SchoolofComputerandInformationEngineering，HenanUniversityofEconomicsandLaw，Zhengzhou450002，China)【Abstract】Thesuccessofmanifoldlearningalgorithmsdependsgreatlyuponselectingasuitableneighborhoodsizeparameter，however，itisallopenproblemhowtOdothisefficiently．Tosolvethisproblem，thispaperproposes

4、anefficientmethodtOincrementallyselectasuitableneighborhoodsize．AccordingtothelocalEuclideanpropertyofthemanifold，thatallthenei曲b0rhoodsintheneighborhoodgrapharelinearoralmostlinearisthebasistothinkthecorrespondingneighborhoodsizesuitable，whentheirlinearitymeasurescanremainsmallandfallintooneclus

5、ter．However，oncetheneighborhoodsizebecomesunsuitable，someneighborho0dsarenonlinear，andtheirlinearitymeasurescannotfallintooneclusteranymore．So，thismethodrunstheweightedPrincipalComponentAnalysis(PCA)oneachneighborhoodintheneighborhoodgraph，toobtainitsreconstructionerorasitslinearitymeasure，andcom

6、putesthecorrespondingBayesianInformationCriterion(BIC)todetectthenumberofclustersofallthereconstructionerrorsintheneighborhoodgraph，bywhichtheneighborhoodsizecanbeselectedincrementally．Experimentalresultsthatthismethoddoesnotrequireanyextraparameter，andhashighrunefficiency．【Keywords】manifoldlearn

7、ing；neighborhoodsize；localEuclideanproperty；weightedPrincipalComponentAnalysis(PCA)；reconstructionerror；BayesianInformationCriterion(BIC)DOI：10．3969／i．issn．1000—3428．2014．08．037小参数的选取是否合适，然而，目前该参数在实际中1概述通常还难以高效选取，另外，数据