文献类型：期刊文章

作　　者：陶剑文[1,2] 王士同[2]

机构地区：[1]江南大学信息工程学院,无锡214122 [2]浙江工商职业技术学院工学院,宁波315012

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(60975027;60903100);宁波市自然科学基金项目(2009A610080)

年　　份：2011

卷　　号：16

期　　号：10

起止页码：1802-1811

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：数据降维问题存在于包括机器学习、模式识别、数据挖掘等多个信息处理领域。局部线性嵌入(LLE)是一种用于数据降维的无监督非线性流行学习算法,因其优良的性能,LLE得以广泛应用。针对传统的LLE对离群(或噪声)敏感的问题,提出一种鲁棒的基于L1范数最小化的LLE算法(L1-LLE)。通过L1范数最小化来求取局部重构矩阵,减小了重构矩阵能量,能有效克服离群(或噪声)干扰。利用现有优化技术,L1-LLE算法简单且易实现。证明了L1-LLE算法的收敛性。分别对人造和实际数据集进行应用测试,通过与传统LLE方法进行性能比较,结果显示L1-LLE方法是稳定、有效的。

关 键 词：降维 L1-范数  流形学习 局部线性嵌入 鲁棒性

分 类 号：TP181]