數(shù)據(jù)降維中若干問題的研究及應(yīng)用.pdf

1、如何降低數(shù)據(jù)的維數(shù)而不損失原有數(shù)據(jù)的內(nèi)在信息是數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域中的經(jīng)典問題，降維是指樣本從高維輸入空間通過線性或非線性映射投影到一個低維空間，從而找出隱藏在高維觀測數(shù)據(jù)中有意義的低維結(jié)構(gòu)，解決高維數(shù)據(jù)的維數(shù)“災(zāi)害問題”。基于子空間的學(xué)習(xí)和流形學(xué)習(xí)算法吸引了大量研究者，成為本領(lǐng)域的熱點問題。
　　 本文主要討論了數(shù)據(jù)降維過程中的三個方面的問題：
　　 1.在圖嵌入框架的基礎(chǔ)上提出一種新的降維分析算法IKLDA(imp

2、roved kernelLinear discriminant analysis)，不僅使得隱藏在圖像的信息能被區(qū)分出來，而且大大降低了數(shù)據(jù)的維數(shù)，理論分析及實驗結(jié)果表明IKLDA的降維隱寫分析是有效的，比其它傳統(tǒng)降維方法效果要好，并且進一步推進了數(shù)據(jù)挖掘可視化方法在隱寫分析的應(yīng)用。
　　 2.在數(shù)據(jù)集的內(nèi)在維數(shù)的確定方面提出一種以反向k近鄰為基礎(chǔ)的最大似然維數(shù)估計算法，彌補了低維流形在k近鄰中形成短路問題的不足之處以及數(shù)據(jù)密度

3、不均勻給維數(shù)估計帶來偏差問題，在人造數(shù)據(jù)集和真實數(shù)據(jù)集的維數(shù)估計中，取得了較好的效果。與此同時，提出了一種基于粒子群優(yōu)化算法的維數(shù)及近鄰大小的參數(shù)優(yōu)化策略PSO-LLE，通過智能計算來估計數(shù)據(jù)的內(nèi)在維數(shù)和近鄰的大小。
　　 3.提出一種基于紋理特征的非線性降維算法Gabor-LLE，對中文手寫筆跡進行分析處理。首先對手寫筆跡圖像進行預(yù)處理，然后用gabor濾波器提取出特征，最后用流形學(xué)習(xí)算法LLE進行降維分類，取得了較好的效果。