现有的大多数流形学习算法偏重保持流形的几何结构,并未考虑到样本点的标签信息,这在一定程度上限制了流形学习算法在数据分类中的应用.因此文中提出一种基于近邻元分析的半监督流形学习算法,采用近邻元分析学习距离度量矩阵,在距离度量方式下选择样本点的局部邻域点.基于距离度量方式构造样本点和邻域点的局部几何结构,并在样本点的低维嵌入坐标中保持这种局部几何结构不变.3个不同数据集上的分类实验验证了文中算法的有效性. 已知前l个样本的类别信息，记其相应的类别标记为c1，c2，…，cl．本文算法将利用已知标签信息的样本点作为训练点，采用NCA学习度量矩阵，并在距离度量空间中选择样本点的局部邻域本文由 张家港市泰宇机械有限公司张家港全自动切管机 网站采集网络资源整理! http://www.qieguanjixie.com．决策排序方法-数控滚圆机滚弧机价格低张家港滚圆机滚弧机多少钱对于每个局部邻域，基于距离度量方式构造带有l1范数惩罚项的优化模型，通过计算每个样本点的局部稀疏重构权表示流形的局部几何结构．最后，以在低维空间中保持流形的局部几何结构为目标，构造全局优化模型计算样本点的低维嵌入坐标．图1给出本文算法流程图．图1NCA-SSLLE流程图Fig．1FlowchartofNCA-SSLLE2．1使用近邻元分析学习度量矩阵并构造局部邻域NCA是基于概率的距离测度学习算法．NCA以每个样本被分类正确的概率之和最大为目标，通过求解下面的凸规划问题求解矩阵M，即maxMf(M)=∑i∑j∈Cipij，Ci={jcj=ci}，(3)其中pij=exp(－‖Mxi－Mxj‖2)∑k≠iexp(－‖Mxi－Mxk‖2)，表示xi选择样本点xj(j≠i)作为其近邻并继承其类别标签cj的概率，Ci表示与样本xi类别标记相同样本的下标集合．令A=MTM，可以利用距离函数LA(xi，xj)=‖xi－xj‖A计算任意两点之间的A-范数距离．对每个样本点xi，选取在A-范数度量下与其最近的k个样本点组成局部邻域，记为Xi={xi1，xi2，…，xik}．2．2构造样本局部几何结构在LLE中，将每个样本点近似表示成其近邻的线性组合，即xi=∑kj=1wjixij+εi，其中εi为重构误差．为了更好地考虑样本类别标签信息中隐决策排序方法-数控滚圆机滚弧机价格低张家港滚圆机滚弧机多少钱本文由 张家港市泰宇机械有限公司张家港全自动切管机 网站采集网络资源整理! http://www.qieguanjixie.com