福建省教育厅A类人文社科/科技研究项目(JA12246)
- 作品数:1 被引量:0H指数:0
- 相关作者:关健生更多>>
- 相关机构:厦门理工学院更多>>
- 发文基金:福建省教育厅A类人文社科/科技研究项目更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于改进流形学习的数据分类算法
- 2014年
- 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。
- 关健生
- 关键词:数据分类局部线性嵌入降维最大化