[发明专利]无监督非线性自适应流形学习方法

权利要求书

1.一种无监督非线性自适应流形学习方法，其特征在于，包括：

扩展近邻点；

合并近邻点；

根据以上所述，定义目标函数：

其中α是权衡参数可以通过调整α的值来灵活地调整算法中这两个考虑因素之间的平衡；显然，当α的值为一个相对较小的值时，该公式将更加关注全局成对距离误差，并且当α取较大值时，该公式更多地考虑局部拓扑关系；x_j∈MNN(x_i)意味着在使用上面的自适应邻居方法后，x_j是x_i的近邻点；通过优化以下问题来获得重建权重矩阵W：

如果定义J_GL＝∑_i,j(d(y_i,y_j)-d_G(y_i,y_j))²，那么等式4可以写成：

接着将J_GL和J_NN写成如下形式：

J_GL＝trace(Y^TTY) (7)

J_NN＝trace(Y^TMY) (8)

T＝-HQH/2，H＝I-(1/N)ee^T；其中I是一个N×N的单位矩阵，e是一个所有值都为1的向量；此外,M＝(I-W)^T(I-W)而Q可以通过计算得到；

接着，公式6可以被写成:

σ(Y)＝trace(Y^T(T+αM)Y)

定义A＝T+αM，然后通过计算得到Y的值，其中λ₁,λ₂,...,λ_m和V₁,V₂,...,V_m分别表示A的最大的m个特征值和与其对应的特征向量。

2.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1述方法的步骤。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1所述方法的步骤。

4.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1所述的方法。