论文部分内容阅读
针对位于非连通流形上的数据的特征提取是流形学习领域的一个公开问题，分解一整合算法是目前处理此问题的最有效的方法．然而。此算法的最大局限是边缘问题，即当不同类间的最短距数据对位于相应类内而非类边缘时。算法往往表现异常．针对这一关键问题，提出了一种解决方法——过渡曲线方法．其主要思想为，通过构建连接不同类边缘最短距数据对间的平滑过渡曲线以使流形类间的连接关系更为有效，进而使得数据的全局形态在低维空间中能够更好地保持．一系列人工与图像数据集上的实验结果表明，过渡曲线方法的表现明显优于分解．整合算法，特别是，边缘