

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、自上個世紀以來,隨著計算機技術的飛速發(fā)展,人們可以更好的處理復雜數據,與此同時,高維數據分析技術也蓬勃發(fā)展。高維數據的本征維數估計問題研究,在高維數據處理領域中有著重要的地位。對于高維數據處理領域,本征維數的尋求具有重要的意義。在降維方法中,本征維數是一個需要我們去估計的未知量,準確的估計出高維數據的本征維數,對接下來的降維處理問題有著重要的指導意義。并且,在數據處理過程中,準確的本征維數估計對選取合適的鄰域大小有很大的幫助,可以避免“
2、維數災難”。
本文提出一種新的方法——基于MLE算法的本征維數估計算法。大多數情況下,數據間的近鄰關系能充分的反映數據的局部幾何特征。MLE(Maximum LikelihoodEstimation)估計方法就是通過建立關于近鄰間距離的似然函數,從而得到本征維數的估計值。傳統(tǒng)的MI正方法存在兩點不足:一是對同一個鄰域內的不同樣本點所估計出的本征維數值,只是簡單的求均值作為該鄰域的本征維數,受奇異值的干擾較大;二是在選取K近
3、鄰時,采用傳統(tǒng)的歐氏距離,容易出現越層現象。針對以上不足,本文采用鄰域平滑(Neighborhood Smoothing)方法替代原來的均值方法,求出更加可靠的本征維數值;在選取K近鄰時,采用測地線距離代替歐氏距離,以找到真實的K近鄰點。
本文在模擬數據庫和真實數據庫上對該方法進行了實現,通過實驗證明了改進后算法的可行性和有效性,文章最后對算法的實驗結果進行了分析,實驗結果表明,這種新的方法是有效的,可以估計出更為可靠的本
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高維正定核本征值的估計.pdf
- 基于最優(yōu)r-覆蓋堆積數本征維數估計方法及其應用.pdf
- 基于本征光譜的瓦斯檢測方法的研究.pdf
- 信源數估計方法的研究.pdf
- 固有維數估計的研究與應用.pdf
- 基于對偶四元數的三維運動估計研究.pdf
- 基于Bootstrap方法的信源數估計算法研究.pdf
- 高斯過程分形維數的估計方法及實際應用.pdf
- 基于本征空間的目標圖象跟蹤定位方法研究.pdf
- 基于ESPRIT算法的二維DOA估計方法研究.pdf
- 關于缺項級數的維數估計.pdf
- 基于本征特征的臉像非線性分類方法研究.pdf
- Markov構造的極限集的維數估計.pdf
- 基于圖的嵌入和維數約減方法研究.pdf
- 基于圖的半監(jiān)督維數約減方法的研究.pdf
- 基于復雜網絡局域維數的圖像分割方法研究.pdf
- 二維DOA估計方法研究.pdf
- 全純函數的最優(yōu)維數估計和剛性.pdf
- 本征圖像分解方法與應用研究.pdf
- 基于分形維數的路面裂縫圖像分割方法研究.pdf
評論
0/150
提交評論