KPCA正交KLPP及两者结合改进的特征提取特征降维算法
正交KPCAKLPP代码实现
文章目录
- 正交KPCAKLPP代码实现
- 0.引言
- 1.原理
- 1.1 KPCA目标函数
- 1.2 KLPP目标函数
- 1.3 CVKPCAKLPP原理
- 2.方案验证
- 3.结论
0.引言
传统基于核主成分分析 (Kernel principal component analysis, KPCA) 的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法,改进的特征提取与降维方法将流形学习中核局部结构保持 (Kernel locality preserving projection, KLPP) 的思想融入核主成 分分析的目标函数中, 使样本投影后的特征空间保持原始样本空间的整体结构, 还保持样本空间相似的局部近邻结构, 包含更丰富的特征信息,并且引入正交约束消除特征冗余。采用UCI数据集进行降维可视化分析。
1.原理
1.1 KPCA目标函数
PCA的核心是通过投影矩阵A将高维数据降成低维数据,实现数据沿该坐标系的分布方差最大化,能够实现最大化保持数据的全局结构特性,其目标函数如下:
m a x t r ( A ′ K K A ) max tr(A'KKA) maxtr(A′KKA)
1.2 KLPP目标函数
m i n t r ( A ′ K L K A ) ; L = D − W ; s t . A ′ K D K A = I min tr(A'KLKA); L=D-W; st.A'KDKA=I mintr(A′KLKA);L=D−W;st.A′KDKA=I
1.3 CVKPCAKLPP原理
m a x t r ( l A ′ K K A − ( 1 − l ) A ′ K L K A ) ; s t . A ′ K D K A = I ; 其 中 : l 是 用 于 平 衡 K P C A 与 K L P P 这 两 个 目 标 函 数 的 权 重 系 数 max tr(lA'KKA-(1-l)A'KLKA);st.A'KDKA=I;其中:l是用于平衡KPCA与KLPP这两个目标函数的权重系数 maxtr(lA′KKA−(1−l)A′KLKA);st.A′KDKA=I;其中:l是用于平衡KPCA与KLPP这两个目标函数的权重系数
s t . a i ′ ∗ a j = 1 ( i = j ) ; 否 则 : a i ′ ∗ a j = 0 ; ( 正 交 约 束 ) st.ai'*aj=1(i=j);否则:ai'*aj=0;(正交约束) st.ai′∗aj=1(i=j);否则:ai′∗aj=0;(正交约束)
2.方案验证
clc;clear;close all
load wine;fea=double(wine);gnd=wine_labels;
options = [];
options.Metric = 'Euclidean';
options.NeighborMode = 'KNN';
options.k = 5;
options.bSelfConnected = 1;
options.delta=1000;
options.WeightMode = 'HeatKernel';
options.t = 0.1;
options.ReducedDim = 6;
[W,K] = constructW3(fea,gnd,options);%监督核欧式距离
%[W,K] = constructW2(fea,options);%非监督核欧式距离
[eigvector, eigvalue,Y]=CVKPCAKLPP(fea,W,K,options);
%%figure
for i=1:max(gnd)n=find(gnd==i);plot3(fea(n,1),fea(n,2),fea(n,3),'*')hold ongrid on
end
mappedX1=Y;
figure
for i=1:max(gnd)n=find(gnd==i);plot3(mappedX1(n,1),mappedX1(n,2),mappedX1(n,3),'*')hold ongrid on
end
legend('1','2','3')
图1 原始数据可视化
图2 本文方法
3.结论
从图上可以,本文方法聚类效果更好。
KPCA正交KLPP及两者结合改进的特征提取特征降维算法相关推荐
- KPCA、KLPP及两者结合改进的特征提取特征降维算法
KPCA-KLPP代码实现 文章目录 KPCA-KLPP代码实现 0.引言 1.原理 1.1 KPCA目标函数 1.2 KLPP目标函数 1.3 KPCA-KLPP原理 2.方案验证 3.结论 0.引 ...
- PCA、LPP及两者正交改进的特征提取特征降维算法
正交PCALPP代码实现 文章目录 正交PCALPP代码实现 0.引言 1.原理 1.1 PCA目标函数 1.2 LPP目标函数 1.3 CVPCALPP原理 2.方案验证 3.结论 0.引言 传 ...
- 正交匹配追踪(OMP)其它改进算法
原文链接:http://blog.csdn.net/jbb0523/article/details/45693359 题目:正交匹配追踪(OMP)其它改进算法 下面介绍10篇文献中的OMP改进算法,首 ...
- 改进的有效边表算法_优硕微展 | 张和慧:基于邻域保持嵌入算法的间歇过程故障检测研究...
基于邻域保持嵌入算法的 间歇过程故障检测研究 The Research on batch process fault detection based on Neighborhood Preservin ...
- 强跟踪ukf matlab,一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用...
近年来,对低成本.小型化捷联惯性导航系统(SINS)的需求日益增加,采用微机电系统(MEMS)惯性器件的SINS(MEMS-SINS)具有体积小.成本低.可靠性高.抗冲击能力强等优点,成为国内外惯性技 ...
- U-Det:一种改进的双向特征网络U-Net结构用于肺结节分割
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 肺癌的早期诊断和分析涉及在计算机断层扫描(CT)图像中进行精确而有效的肺结节分割. ...
- 【2020论文】U-Det:一种改进的双向特征网络U-Net结构用于肺结节分割
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 肺癌的早期诊断和分析涉及在计算机断层扫描(CT)图像中进行精确而有效的肺结节分割. ...
- 基于改进的RPCA人脸识别算法
from:http://www.chinaaet.com/article/3000011311 基于改进的RPCA人脸识别算法 作者:首照宇,杨晓帆,莫建文 2015/11/15 18:04:00 摘 ...
- 【优化算法】改进的侏儒猫鼬优化算法(IDMO)【含Matlab源码 2314期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[优化算法]改进的侏儒猫鼬优化算法(IDMO)[含Matlab源码 2314期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
最新文章
- pandas移除dataframe字符串数据列中的后N个字符(remove the last n characters from values from column of dataframe)
- python的jupyter的使用教程-Python神器之Jupyter Notebook作图教程
- 王者服务器维护7月九号,腾讯手游王者荣耀7月9号9点半版本更新,备受期待的S20赛季它来了...
- Effective Java之坚持使用Overide注解(三十六)
- Linux/Unix环境下的make命令详解
- byteman_使用Byteman和JUnit进行故障注入
- 马尔可夫Markov决策过程 MDP、马尔可夫奖励过程MRP
- import qs from qs 安装_Python 导包难道你只会个 import 吗?
- auto.js停止所有线程_多线程快速入门(二)及面试题
- 【java】Java 中的 Exchanger 线程同步使用方法 线程之间交换数据
- Intellij IDEA 2017 如何导入 GitHub 中的项目
- 程序员惨遭辞退竟只因提了些代码修改意见?
- L1-036 A乘以B (5 分)—团体程序设计天梯赛
- 2015职称计算机考试模拟,2015职称计算机考试《Dreamweaver》模拟试题(9)
- Atitit prj 项目管理与行政管理(1)------项目环境的概览与建立
- 一用就会Cron表达式生成器
- 栅格那点儿事(一)---Raster是个啥子东西
- Zend_Cache
- MySQL按指定字段自定义列表排序
- 苹果手机10秒解除锁屏_苹果密码忘了不想刷机怎么办_苹果手机10秒解除锁屏
热门文章
- 只用两行代码做个表白二维码,赶快送给你心目中那个她吧♥(๑> ₃ <)♥
- 大学生程序员IT情书“2014爱的告白挑战赛”获奖名单及优秀情书展示系列之 - 【IT术语】情书+【搞笑另类】情书
- Java编程数据类型与运算符
- C++字符类型总结区别wchar_t,char,WCHAR
- Artifactory搭建本地仓库
- hosts文件位置?hosts文件是什么?hosts文件修复方法的详细介绍
- web之文档结构nav篇
- php 区块链算法_PHP也能实现区块链?
- matlab y2=sin(3t)exp(-t/3);,Matlab工程应用基础_3_3_西安交通大学:Matlab工程应用基础(姜歌东)_ppt_大学课件预览_高等教育资讯网...
- 程序包不存在解决方案