改进的局部线性嵌入算法及其应用

来源：计算机工程与应用杂志2020年第3期北京时间：

作者：邱建荣，罗汉

单位：湖南大学 数学与计量经济学院，长沙 410082

摘要：局部线性嵌入算法（LLE）中常用欧氏距离来度量样本间相似度，而对于具有低维流形结构的高维数据，欧氏距离不能衡量流形上两点间相对位置关系。提出基于Geodesic Rank-order距离的局部线性嵌入算法（简称GRDLLE）。应用最短路径算法（Dijkstra算法）找到最短路径长度来近似计算任意两个样本间的测地线距离，计算Rank-order距离用于LLE算法的相似性度量。将GRDLLE算法、其他改进LLE的流形学习算法及2DPCA算法在ORL与Yale数据集上进行对比实验，对数据用GRDLLE算法进行降维后人脸识别率有所提高，结果表明GRDLLE算法具有很好的降维效果。

关键词：局部线性嵌入,流形学习,降维,GRDLLE算法