基于全局-局部自适应图学习的降维方法

来源：计算机应用与软件杂志2025年第10期北京时间：

作者：贺筠然, 孙为军, 韩娜, 康培培, 房小兆, 滕少华

摘要：传统基于图学习的降维方法在处理现实数据时,由于数据中包含了噪声和冗余信息,导致由原始数据构成的图的信息表达不准确,从而将影响分类效果。为解决这一问题,该文提出一种基于全局-局部自适应图学习的降维方法。通过给数据的重构残差加上图约束,以保留数据的局部结构。对低维数据进行重构并最小化重构误差,以在学习投影矩阵的同时保留数据的全局结构。此外,将图学习中的相似矩阵作为低维重构矩阵,使学习到的图同时包含数据的局部结构与全局结构,从而更加准确地表达数据间的关系。在三个数据库上的实验结果表明,该方法可以取得较好的分类结果。

关键词：图嵌入, 子空间学习, 特征提取