Extended local tangent space alignment for classification
Extended local tangent space alignment for classification
复制标题
用于分类的扩展局部切线空间对齐
DOI：
10.1016/j.neucom.2011.08.025
复制
发表时间：
2012-02
期刊：
影响因子：
6
通讯作者：
王靖
中科院分区：
文献类型：
--
作者：
王靖
局部切线空间排列(LTSA)在发现高维数据中隐藏的有意义的低维结构方面显示出了良好的结果。然而，LTSA对被组织成多个类别或包含噪声点的数据的有效性可能是有限的。为了克服这一局限性，本文利用重构权值对样本与相邻样本之间的距离进行了重新缩放。提出了一种基于局部重标度距离矩阵的LTSA扩展算法。在合成数据集和真实数据集上的数值实验表明，该算法的分类扩展能力和对噪声数据的稳健性都得到了提高。
The local tangent space alignment (LTSA) has demonstrated promising results in finding meaningful low-dimensional structures hidden in high-dimensional data. However, LTSA may have a limited effectiveness on the data which are organized in multiple classes or contain noisy points. In this paper, the distances between the samples and their neighbors are rescaled by using the reconstruction weights to overcome the limitation. An extension of LTSA is proposed based on the local rescaled distance matrix. Numerical experiments on both synthetic and real-world data sets are used to show the improvement of our extension for classification and the robustness to noisy data.
登录
查看更多内容
影响因子：
8
作者：
王靖;张振跃
通讯作者：
张振跃
DOI：
10.1145/775047.775143
发表时间：
2002-07
期刊：
Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining
影响因子：
--
作者：
M. Vlachos;C. Domeniconi;D. Gunopulos;G. Kollios;Nick Koudas
通讯作者：
M. Vlachos;C. Domeniconi;D. Gunopulos;G. Kollios;Nick Koudas
影响因子：
3.1
作者：
Zhang, ZY;Zha, HY
通讯作者：
Zha, HY
DOI：
10.1109/34.888719
发表时间：
2000-11
期刊：
IEEE Trans. Pattern Anal. Mach. Intell.
影响因子：
--
作者：
S. Li;K. Chan;C. Wang
通讯作者：
S. Li;K. Chan;C. Wang
影响因子：
6
作者：
J. Wang
通讯作者：
J. Wang