[发明专利]一种基于全局信息保持的LLE算法

摘要

一种基于全局信息保持的LLE算法，通过离散度保持项和全局指标的引入，优化降维后数据的全局结构特征，在降维重构的过程中，不仅考虑到样本间的差异，而且把握数据的全局代表性，利用离散度保持项约束样本之间的几何结构，同时在计算特征空间中数据间相似度和欧式距离的基础上，定义数据的全局代表性，并基于此特性为每个数据赋予全局指标，通过该指标的引入调整各个样本在降维过程中作用，提高了算法对全局信息的挖掘能力；不仅保留了原算法良好的局部信息提取能力，而且降低了对近邻样本选择的敏感度，有效地避免因为维数降低而带来的投影后样本分布密集的拥挤问题，从而可以更好的应用于高维数据的分析与处理。

主权项

1.一种基于全局信息保持的LLE算法，其特征在于，该方法包括以下步骤：步骤1：获取原始数据集，记样本个数为N，计算数据集中任意两样本之间的欧氏距离dq；步骤2：计算数据集中任意两样本之间的相似度系数sq；步骤3：获取数据集中任意样本x在相似度阈值α内的密度ρ以及数据点x的离散度ζ；步骤4：对样本x的密度ρ和离散度ζ进行归一化处理，获取该数据点x的全局代表性指标τ，对全局代表指标进行降序排列；步骤5：构建样本重构损失函数E(W)，获取各样本在对应近邻点的系数Wij；步骤6：获取投影后各样本的离散系数Wil；步骤7：建立低维投影y的代价函数Φ'(y)，通过最小化Φ'(y)获取低维投影y。