基于最近邻的随机非线性降维
来源：计算机应用杂志2016年第2期北京时间：
作者：田守财, 孙喜利, 路永钢
单位：兰州大学 信息科学与工程学院, 兰州 730000
摘要：针对线性降维技术应用于具有非线性结构的数据时无法得到令人满意的结果的问题,提出一种新的着重于保持高维空间局部最近邻信息的非线性随机降维算法(NNSE)。该算法首先在高维空间中通过计算样本点之间的欧氏距离找出每个样本点的最近邻点,接着在低维空间中产生一个随机的初始分布;然后通过将低维空间中的样本点不断向其最近邻点的平均位置移动,直到产生稳定的低维嵌入结果。与一种先进的非线性随机降维算法——t分布随机邻域嵌入(t-SNE)相比,NNSE算法得到的低维结果在可视化方面与t-SNE算法相差不大,但通过比较两者的量化指标可以发现,NNSE算法在保持最近邻信息方面上明显优于t-SNE算法。
关键词：降维,线性方法,非线性方法,最近邻,随机方法
基金资助：国家自然科学基金资助项目(61272213)。
