作者：詹宇斌 殷建平 刘新旺 张国敏邻域选择流形学习局部线性结构测地线距离局部线性嵌入
摘要：近年来,流形学习成为包括机器学习、模式识别和计算机视觉等相关领域的研究热点.流形学习算法中,邻域选择直接关系到算法的性能,而传统的邻域选择算法如k近邻和ε邻域算法存在参数难以确定,所构建邻域不能反映流形学习算法对邻域要求等缺点.提出了一种基于流形局部线性结构的自适应邻域选择算法（ANSLL）.首先通过分析现有流形学习算法,总结出构建邻域的两个基本原则：1）同一邻域的所有点都近似地位于某一d维线性子空间内（d为流形维数）;2）每个邻域包含尽可能多的点.基于这两个基本原则,ANSLL算法采用主成分分析技术（PCA）度量有限点集的线性程度,通过邻域压缩或扩张方式自适应地构建邻域.针对邻域线性结构的特点,还提出了一种改进的邻域图构建方法,以提高等度映射（Isomap）算法中测地线距离估计的准确性.最后大量系统的实验表明,ANSLL算法能够依据流形的局部曲率自适应地构建邻域,从而提高大多数流形学习算法（如Isomap和LLE）的性能.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
