首页 | 本学科首页   官方微博 | 高级检索  
     

高维数据固有维数的自适应极大似然估计
作者姓名:谷瑞军  须文波  刘军伟  姚娟
作者单位:南京审计学院,信息科学学院,南京,211815;江南大学,信息工程学院,江苏,无锡,214112;江南大学,信息工程学院,江苏,无锡,214112;无锡科技职业学院,软件与服务外包学院,江苏,无锡,214031;南京审计学院,信息科学学院,南京,211815
基金项目:江苏省教育厅哲学社会科学基金指导项目 , 南京审计学院校级科研项目
摘    要:如何确定高维数据的固有维数是降维成功与否的关键。基于极大似然估计(MLE)的维数估计方法是一种新近出现的方法,实现简单,选择合适的近邻能取得不错的结果。但当近邻数过小或过大时,均有比较明显的偏差。其根本原因是没有考虑每个点对固有维数的不同贡献。在充分考虑数据集的分布信息之后,提出了一种改进的MLE——自适应极大似然估计(AMLE)。实验表明,无论在合成数据集还是真实数据集上,AMLE较MLE在估计准确度上均有很大的提高,对近邻数的变化也不甚敏感。

关 键 词:固有维数估计  极大似然估计  降维
收稿时间:2008-02-27
修稿时间:2008-05-22
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《计算机应用》浏览原始摘要信息
点击此处可从《计算机应用》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号