一种改进的ISOMAP分类算法
文献类型：期刊论文
| 作者 | 杨秀锋; 彭慧 ; 周晓锋
|
| 刊名 | 计算机应用与软件
 |
| 出版日期 | 2015 |
| 卷号 | 32期号:8页码:43-46, 55 |
| ISSN号 | 1000-386X |
| 关键词 | 流形学习 数据降维 等距特征映射 分类 监督学习 |
| 其他题名 | AN IMPROVED ISOMAP CLASSIFICATION ALGORITHM |
| 产权排序 | 1 |
| 中文摘要 | 传统的等距特征映射算法在降维时未考虑数据的类别标签,降维后不能够产生从高维到低维的映射矩阵,且不适用于多个类簇的情况,不能直接用于分类。针对这几个问题利用近邻元分析方法取代多维尺度分析法,并且引入特征向量作为输入矩阵,提出一种以分类为目的的等距特征映射算法(NC-ISOMAP)。降维时获取理想的低维投影矩阵,使降维后类间数据更加分开,类内数据更加紧凑。实验结果表明NC-ISOMAP算法能够取得很好的降维效果和分类性能,并在不同的数据集中有着较好的鲁棒性。 |
| 英文摘要 | Traditional isometric feature mapping algorithm does not consider the classification labels of data when reducing the dimensionality，and cannot produce a mapping matrix ranging from high dimensions to lower dimensions after the dimensionality being reduced，and it cannot fit the situation of multi-class clusters as well，so it cannot be directly used for classification． In light of these problems，we use neighbourhood component analysis ( NCA) to replace the multidimensional scaling analysis ( MDS) ，introduce eigenvector as the input matrix，and propose an isometric feature mapping algorithm aiming at classification，called NC-ISOMAP． In the process of dimensionality reduction，NC-ISOMAP can obtain an ideal low dimensional project matrix，which makes the data become more separate between classes and more compact within a class after lowering the dimensionality． Experimental results show that NC-ISOMAP is able to achieve quite good dimensionality reduction result and classification performance，and has a better robustness in different datasets． |
| 收录类别 | CSCD |
| 语种 | 中文 |
| CSCD记录号 | CSCD:5506358 |
| 公开日期 | 2015-12-27 |
| 源URL | [http://ir.sia.ac.cn/handle/173321/17130]  |
| 专题 | 沈阳自动化研究所_数字工厂研究室 |
| 推荐引用方式 GB/T 7714 | 杨秀锋,彭慧,周晓锋. 一种改进的ISOMAP分类算法[J]. 计算机应用与软件,2015,32(8):43-46, 55. |
| APA | 杨秀锋,彭慧,&周晓锋.(2015).一种改进的ISOMAP分类算法.计算机应用与软件,32(8),43-46, 55. |
| MLA | 杨秀锋,et al."一种改进的ISOMAP分类算法".计算机应用与软件 32.8(2015):43-46, 55. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。