常用降维方法

    一、拉普拉斯特征映射(Laplacian Eigenmaps,LE) (1)特点 非线性的降维方法 降维的同时保留局部近邻节点的信息 属于流形学习 (2)目标函数 未添加限制条件: 添加限制条件并简化后:   (3)需求解的特征方程 (4)优点 LE的局部特征保留特性使得它对孤立点和噪音不会那么敏感 算法基于流形的内在几何结构,因此它展示出嵌入的稳定性。只要嵌入是等度量的(Isometri
相关文章
相关标签/搜索