|||
方法目的:
假设数据是均匀采样于一个高维欧氏空间中的低维流形,流形学习就是从高维采样数据中恢复低维流形结构,即找到高维空间中的低维流形,并求出相应的嵌入映射,以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质,找到产生数据的内在规律。流形学习方法是模式识别中的基本方法,分为线性流形学习算法和非线性流形学习算法,线性方法就是传统的方法如主成分分析(PCA)和线性判别分析(LDA),非线行流形学习算法包括等距映射(Isomap),拉普拉斯特征映射(LE)等。流形学习是个很广泛的概念,典型的是自从2000年以后形成的非线性流形学习概念和其主要代表方法,甚至流形学习也被认为属于非线性降维的一个分支。
[参考]
1. 流形学习综述和代码,了凡春秋,http://blog.sina.com.cn/s/blog_6163bdeb0102enih.html
2. 流形学习,了凡春秋,http://blog.sina.com.cn/s/blog_6163bdeb0102em53.html
3. 流形学习,了凡春秋,http://blog.sina.com.cn/s/blog_6163bdeb0102el0k.html
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-1 07:03
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社