控制理论与应用

作者：梁少军,张世荣,孙澜琼

单位：陆军工程大学军械士官学校,武汉大学电气与自动化学院,陆军工程大学军械士官学校

关键词：等距映射; 流形学习; 自然邻居; 最优密度

基金：国家自然科学基金项目(51475337), 陆军军内科研项目(LJ20182B050054, LJ20191C040483, LJ20202C020416, LJ20202C050412)资助.

等距映射算法(ISOMAP)是一种典型的非线性流形降维算法, 该算法可在尽量保持高维数据测地距离与低维数据空间距离对等关系的基础上实现降维. 但ISOMAP容易受噪声的影响, 导致数据降维后不能保持高维拓扑结构. 针对这一问题, 提出了一种基于最优密度方向的等距映射(ODD–ISOMAP)算法. 该算法通过筛选数据的自然邻居确定每个数据沿流形方向的最优密度方向, 之后基于与各近邻数据组成的向量相对最优密度方向投影的角度、方向和长度合理缩放局部邻域距离, 引导数据沿流形方向计算测地距离, 从而降低算法对噪声的敏感度. 为验证算法有效性, 选取了2类人工合成数据和5类实测数据作为测试数据集, 分别使用ISOMAP, LLE, HLLE, LTSA, LEIGS,PCA和ODD–ISOMAP算法对数据集降维, 并对降维数据进行K-mediods聚类分析. 通过比对聚类正确率以及不同幅度噪声对此正确率的影响程度评价各算法降维效果优劣. 结果表明, ODD–ISOMAP算法较其他6种常见算法降维效果提升显著, 且对噪声干扰有更强的抵抗能力.

来源：2021年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第4期