10.3969/j.issn.1000-386x.2014.12.014
基于改进流形学习的数据分类算法
针对高维数据分类问题的特点，提出一种基于改进型局部线性嵌入LLE（ Locally Linear Embedding）算法的数据降维算法，结合支持向量机SVM（ Support Vector Machine）算法实现数据分类。首先，通过LLE算法降维后的数据集，按照数据集内的离差最小化，数据集间的离差最大化的原则，计算得到最优化邻近点个数；其次，将最优邻近点个数所得的降维数据作为最优结果，按一定比例选取训练集，输入SVM算法建立数据分类器；最后，将测试集输入训练完成的分类器中，实现最优化数据分类。选取Iris flower，Yale等多类数据集与传统算法进行对比实验，验证算法的可行性。实验结果表明：所提出的算法可以有效地完成数据分类，针对低维数据和高维数据分类问题具有较好的适用性和优越性，在人脸检测中也取得较好的结果。
数据分类、局部线性嵌入、最优邻近点个数、降维、最大化
TP391.41(计算技术、计算机技术)
福建省教育厅 A 类科技项目 JA1224 ,6。
2015-01-15（万方平台首次上网日期，不代表论文的发表时间）
共4页
60-63
