论文部分内容阅读
数据点的局部邻域选取是基于流形学习的非线性降维方法的核心,其选取方式直接影响降维结果的质量.传统的局部邻域选取方式大多使用最近邻k-nn方法.然而,k的选择是一个难于解决的问题,且k-nn方法对分布不均匀的数据将不再适用.基于此,提出一种基于数据分布特性的自适应流形学习方法.该方法根据数据点附近的密集程度来自适应地选择最近邻域大小,充分考虑了数据点周围的点分布信息,能够有效地进行降维,非常适用于分布不均匀的数据.实验结果表明,提出的方法在COIL-20对象数据集和人工数据集上得到了期望的嵌入和分类结