DLA是一种数据降维模型，假设样本数据集如下：
那么降维过程表示如下：
其中原始数据为m维，降为d维，所以U就是需要学习的降维矩阵，学习算法如下：
（一）Part Optimization
1.对于每个样本，构造一个patch如下：
其中包括k1个同类最邻近样本以及k2个异类最邻近样本；
2.对于每一个patch都构造约束条件：同类相近，异类互斥
DLA（Discriminative Locality Alignment）是一种数据降维方法，通过部分优化、样本加权和整体对齐三个步骤实现。在降维过程中，通过构建同类与异类样本的约束条件，优化降维矩阵U，使得同类样本接近，异类样本相斥。同时，对分类边界附近的样本赋予更大权重，以提高分类效果。最终，通过广义特征值分解求得U，完成数据的降维转换。
最低0.47元/天 解锁文章
扫一扫
1544
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
