计算机工程

作者：赵俊涛, 李陶深, 卢志翔

单位：1. 南宁学院信息工程学院, 广西 南宁 5302992. 广西大学计算机与电子信息学院, 广西 南宁 530004

关键词：局部保持投影方法,最优近邻,近邻样本,降维,特征提取

基金：国家自然科学地区科学基金(61966003)

局部保持投影(LPP)方法是机器学习领域中一种经典的降维方法。然而LPP方法以及部分改进方法在构建数据的局部结构时简单地使用k最近邻(k-NN)分类算法寻找样本的近邻点, 容易受到参数k、噪声和异常值的影响。为了解决上述问题, 提出一种基于最优近邻的LPP方法。该方法使用寻找最优近邻算法, 在找到样本近邻点后, 进一步选择与样本有一定数量的共同近邻点的近邻样本作为最优近邻, 通过共同近邻点的限定来选择与样本最相似的近邻, 增强近邻样本间的相关性, 避免了传统LPP方法受参数k影响大等问题。在选择出足够的样本最优近邻后, 构建数据局部结构, 以便准确地反映数据的本质结构特征, 使降维后的数据能最大程度保留样本的有效信息, 提升后续机器学习模型的性能。公共图像数据集上的对比实验结果表明, 该方法具有较好的数据降维效果, 有效地提高了图像识别准确率。

来源：2024年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第9期