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 |
|