流形学习中局部重构是否能够真正发挥它的作用

局部重构是否能够发挥其作用

1. 什么是局部重构
   在高维空间中，距离相近的样本一般保持相似的结构关系，通过各样本周边的近邻点对该样本进行线性重构，不仅可以保持局部线性关系，而且可以起到抗噪的作用。这是由于当数据中含有噪声时，每个样本的含噪程度不尽相同，通过样本的近邻点对其进行重构，可以将噪声的程度大大削弱，进而提高算法的抗噪性能。
   按照近邻保持嵌入或局部线性嵌入的推导，即
   
   因此重构后的样本
   为验证局部重构的作用，在UDP的基础之上，加入局部重构，并通过MATLAB编写相应的代码实现新的算法。

2. 验证局部重构作用
   在UDP和局部重构的UDP中加入噪声系数分别为0.1、0.2、0.3、0.4来验证局部重构的抗噪性能，具体得到的效果如图所示：
   蓝色的代表加入局部重构的UDP算法降维后得到的辨识准确率，橘黄色代表UDP算法降维后的辨识准确率。

3. 结论
   可以看出在相同的噪声系数下，带有局部重构的算法相比于不带局部重构的算法具有更高的辨识准确率，并且下降率也普遍低于UDP算法，因此最终可以得出结论，在UDP算法基础上加入局部重构可以提高算法的抗噪性能。