中文会议: 第二届全国图象图形联合学术会议论文集
会议日期: 2013-08-03
会议地点: 西安
主办单位: 中国图象图形学学会,中国地球物理学会,陕西省图象图形学学会
机构地区: 中山大学数学与计算科学学院
出 处: 《第二届全国图象图形联合学术会议》
摘 要: 近十几年以来,人们提出了不少数据降维的方法。降维后的数据可以作为特征用于模式分类。在实际应用中,有时候需要把降维后的结果映射回原始空间中,即重构原始数据。但不足的是,大部分的降维算法只提供降维算法而不提供重构算法。本文基于流形的假设,提出了一种混合模型的算法,用于高维数据重构。与已有的重构算法对比,本文算法有两个显著优势。其一是本文算法与降维算法独立,即对于大部分降维算法,由其降维得到的低维数据,基本都可以通过本文算法将其原始高维数据恢复出来。其二是本文算法对存储空间的要求比较低。重构高维数据时只需要存储用于重构的函数映射,而不需要保留训练样本,所以空间复杂度低。本文在三个数据集上做了实验,实验结果表明本文算法在这三个数据集上能有效地重构原始高维数据。
分 类 号: [TP3 TP1]