小世界邻域优化的局部线性嵌入算法

张育林; 庄健; 李小虎; 王孙安

您当前的位置：

首页 >

文章列表页 >

小世界邻域优化的局部线性嵌入算法

更新时间：2025-12-08

- 小世界邻域优化的局部线性嵌入算法
- Small World Neighborhood Optimized Local Linear Embedding Algorithm
- 西安交通大学学报 2008年42卷第12期页码：1486-1489
- 作者机构：
  
  西安交通大学机械工程学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2008-01-20. 作者简介: 张育林(1978-),男,讲师. 基金项目: 国家自然科学基金青年科学基金资助项目(507050723)
- DOI：
  中图分类号： TP181
- 网络首发：2008-12-10，
  
  纸质出版：2008
- 稿件说明：
移动端阅览
张育林, 庄健, 李小虎, 等. 小世界邻域优化的局部线性嵌入算法[J]. 西安交通大学学报, 2008,42(12):1486-1489.

张育林, 庄健, 李小虎, et al. Small World Neighborhood Optimized Local Linear Embedding Algorithm[J]. 2008, 42(12): 1486-1489.
张育林, 庄健, 李小虎, 等. 小世界邻域优化的局部线性嵌入算法[J]. 西安交通大学学报, 2008,42(12):1486-1489. DOI：

张育林, 庄健, 李小虎, et al. Small World Neighborhood Optimized Local Linear Embedding Algorithm[J]. 2008, 42(12): 1486-1489. DOI：

摘要

通过分析稀疏数据或噪声数据

导出局部线性嵌入(LLE)算法出现失效的原因

由此提出了一种基于小世界邻域优化的局部线性嵌入(SLLE)算法.将复杂网络算法引入到流形学习中

利用小世界算法对LLE算法进行数据优化

并以最短路径和局部集群系数作为局部优化参数

解决了数据点不规则时以欧氏空间作为邻域判别标准在构建局部超平面造成嵌入结果扭曲的难题. 通过3组标准测试数据集合比较了SLLE、LLE算法

结果表明SLLE算法的计算效果、鲁棒性、非理想数据的降维结果均优于LLE算法

且计算正确率至少提高10%.

Abstract

By analyzing the invalidity reason of the local linear embedding(LLE)algorithm in case of the sparse data or the high noise data

small world neighborhood optimization LLE algorithm(SLLE)is proposed based on the complex networks theory. The data in LLE are optimized using the small world algorithm

and the shortest path and the local neighbor set clustering coefficients are used as the local parameters. As a result

the problem of the embedding distortion using only local linear patch of the manifold to define neighborhood in Euclidean space is effectively solved. Three groups of standard data sets are selected to test and to compare the efficiency and robustness of SLLE and LLE. The experimental results show that the calculation results

robustness and dimension reduction of SLLE are all better than those of LLE

and accuracy rate of SLLE is at least 10 percent higher than that of LLE.

关键词

Keywords

references

HASTIE T,TIBSHIRANI R,FREEDMAN J. The Element of statistical learning:data mining, inference,and prediction [M].Berlin, Germany:Springer,2001.

ROWEIS SS T, SAUL L K. Nonlinear dimensionality reduction by local linear embedding [J]. Science,2000,290(550):2323-2326.

TENENBAUM J B, SILVA V, LANGFORD J C. A global geometric framework for nonlinear dimensionality reduction [J]. Science,2000,290(550):2319-2323.

LAWRENCE K S, SAM T R. Think globally, fit locally:unsupervised learning of low dimensional manifolds [J]. Journal of Machine Learning Research,2003,4:119-155.

SHA F, SAUL L K. Analysis and extension of spectral methods for nonlinear dimensionality reduction [C]∥Proceedings of the 22nd International Conference on Machine Learning.New York, USA:ACM,2005:784-791.

MILGRAM S. The small world problem [J]. Psychology Today, 1967, 1(1):61-67.

WATTS D J, STROGATZ S H. Collective dynamics of small-world networks [J]. Nature, 1998, 393(4):440-442.

杜海峰,庄健,张进华. 用于函数优化的小世界优化算法 [J].西安交通大学学报,2005, 39(9):1011-1015.

DU Haifeng, ZHUANG Jian, ZHANG Jinhua.Small-world phenomenon for function optimization [J].Journal of Xi'an Jiaotong University, 2005, 39(9):1011-1015.

李果,高建民.基于小世界网络的复杂系统故障传播模型 [J].西安交通大学学报,2007,41(3):334-338.

LI Guo,GAO Jianmin.Failure propagation model of complex system based on small world net [J].Journal of Xi'an Jiaotong University, 2007, 41(3):334-338.

余根坚,许力.复杂动态网络模型研究进展 [J].福州大学学报,2006,34(5):637-642.

YU Genjian, XU Li.The survey of complex dynamical networks models[J].Journal of Fuzhou University, 2006, 34(5):637-642.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种自适应局部线性嵌入与谱聚类融合的故障诊断方法

利用本征正交分解的非线性Galerkin降维方法

采用规范化局部保持投影的轴承故障诊断方法

扇贝仿生密封腔室内超临界二氧化碳泄漏流湍动能耗散机理研究

隧道内燃料电池汽车氢气泄漏扩散特性及影响因素