在数据稀疏、数据非均匀分布和数据流形具有较大曲率的情况下，传统的局部切空间方法不能够有效地揭示流形结构。提出了一种泛化的ILTSA（GILTSA）流形学习方法，该方法以改进的局部切空间排列算法（ILTSA）为基础，在解决流形结构问题的同时，不仅能够获得用于人脸识别更好的低维特征，而且能有效地处理日益增加的数据集的问题。该方法首先基于样品间距离选择近邻集，实现训练集的低维流形，为每个新样本寻找最近的样本训练集。然后结合ILTSA算法，根据其最近样本投影距离计算低维流形。在ORL的人脸图像数据库的实验、Swiss roll和手书的“2”等实验结果表明，与局部线性嵌入和局部切空间排列算法等相比，GILTSA方法增加了整体精度。
2021-10-19 17:22:25
3.98MB
1