论文部分内容阅读
局部线性嵌入算法(LLE)是流形学习中非线性数据降维的重要方法之一.考虑数据点分布大多呈现不均匀性,LLE对近邻点的选取方式将会导致大量的信息丢失.根据其不足,提出一种基于数据点松紧度的局部线性嵌入改进算法——LLE算法,针对数据点分布不均匀的数据集,tLLE算法能有效地进行维数约简,且具有比LLE更好的降维效果.在人造数据和现实数据上的嵌入以及分类识别结果表明了tLLE算法的有效性.