基于局部线性嵌入的多流形学习

摘要

局部线性嵌入（LLE）算法要求样本数据均匀稠密地分布于单个的流形上。当样本数据位于多个子流形上时，原始LLE算法无法得到合理的低维全局嵌入。本文提出了一种基于LLE的多类数据流形学习算法，其基本的思想是构建k重最小生成树代替欧氏完全图，并通过修正类间边割集中数据点的邻域关系获得全局连通的k近邻图。人工合成数据和实际数据上的实验都表明了算法的有效性。