具有稀疏约束的改进LLE算法

随着信息技术的发展,要处理的数据越来越多人类很难通过直接查看认知来理解数据的内部结构。 局部线性嵌入算法可通过以下方法实现数据降维隐藏在高维空间中的局部线性低维流形。 但是,LLE 算法对噪声敏感。 此外,当暴露于强烈的噪音。 通过增加L1范数,提出了一种稀疏约束的改进方法对重构误差函数的惩罚约束,最优重构权矩阵可以稀疏。 首先,通过正则化将添加了稀疏约束的重构误差函数转换为一般的二次规划问题,然后使用内点迭代方法快速搜索最优解。 尺寸模拟实验对典型高维数据集的约简表明,维数约简的结果在稀疏约束下,LLE算法明显优于经典LLE算法。 影响不同的噪声,并具有较强的抗噪声能力。