自适应邻域值选取的LLE算法研究

摘要 局部线性嵌入(LLE)是一种重要的流形学习算法，已广泛应用于图像处理和多维数据的可视化等领域，但其算法性能一直受邻域选择盲目性的制约.传统的邻域选择算法没有同时考虑高低维数据的分布情况，且没有对无效邻域点做出相应的处理，使自适应结果受初始值影响较大.为此，提出新的自适应流形学习思想，用邻域点到切平面坐标映射函数的一阶泰勒逼近，初步确定出局部邻域值；然后利用关于高低维分布差异性函数的邻域调整策略和权值邻域思想，对初始邻域值进一步调整.该方法提高了LLE邻域选取算法的稳定性，同时减小无效邻域点被选中的可能.仿真表明，基于本文方法确定的自适应结果在不同的初始邻域值下基本一致，在人工数据集Swiss-roll上获得理想稳定的降维效果