河南省教育厅科学技术研究重点项目(13B520899)
- 作品数：2 被引量：6H指数：2
- 相关作者：万春红邵超更多>>
- 相关机构：河南财经政法大学更多>>
- 发文基金：河南省教育厅科学技术研究重点项目国家自然科学基金河南省基础与前沿技术研究计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于等距映射的监督多流形学习算法被引量：4
- 2014年
- 目前的监督多流形学习算法大多数都根据数据的类别标记对彼此间的距离进行调整,能较好实现多流形的分类,但难以成功展现各流形的内在几何结构,泛化能力也较差,因此文中提出一种基于等距映射的监督多流形学习算法.该算法采用适合于多流形的最短路径算法,得到在多流形下依然能正确逼近相应测地距离的最短路径距离,并采用Sammon映射以更好地保持短距离,最终可成功展现各流形的内在几何结构.此外,该算法根据邻近局部切空间的相似性可准确判定新数据点所在的流形,从而具有较强的泛化能力.该算法的有效性可通过实验结果得以证实.
- 邵超万春红
- 关键词：泛化能力局部切空间ISOMETRIC
- 基于自组织映射的流形学习与可视化被引量：2
- 2013年
- 针对自组织映射(SOM)在学习和可视化高维数据内在的低维流形结构时容易产生"拓扑缺陷"的这一问题,提出了一种新的流形学习算法——动态自组织映射(DSOM)。该算法按照数据的邻域结构逐步扩展训练数据集合,对网络进行渐进训练,以避免局部极值,克服"拓扑缺陷"问题;同时,网络规模也随之动态扩展,以降低算法的时间复杂度。实验表明,该算法能更加真实地学习和可视化高维数据内在的低维流形结构;此外,与传统的流形学习算法相比,该算法对邻域大小和噪声也更加鲁棒。所提算法的网络规模和训练数据集合都将按照数据内在的邻域结构进行同步扩展,从而能更加简洁并真实地学习和可视化高维数据内在的低维流形结构。
- 邵超万春红
- 关键词：流形学习自组织映射拓扑缺陷邻域结构
