监督局部线性嵌入算法（SLLE算法）

最新推荐文章于 2019-09-14 12:24:30 发布

weixin_30588729

最新推荐文章于 2019-09-14 12:24:30 发布

阅读量632

点赞数 1

原文链接：http://www.cnblogs.com/Demonfeatuing/p/8962691.html

版权

本文深入探讨了监督局部线性嵌入（SLLE）算法，这是一种在机器学习中用于高维数据降维的方法。SLLE旨在保留数据的局部结构，并在低维空间中保持原有的邻近关系。文章详细介绍了算法原理、实现步骤以及其在实际应用中的优势。

摘要由CSDN通过智能技术生成


% SLLE ALGORITHM (using K nearest neighbors)
%
% [Y] = lle(X,K,dmax,a)
%
% X = data as D x N matrix (D = dimensionality, N = #points)
% K = number of neighbors
% dmax = max embedding dimensionality
% Y = embedding as dmax x N matrix
% a=增量因子

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function [Y] = lle(X,K,d,a)

[D,N] = size(X);
fprintf(1,'SLLE running on %d points in %d dimensions\n',N,D);


% STEP1: COMPUTE PAIRWISE DISTANCES & FIND NEIGHBORS 
fprintf(1,'-->Finding %d nearest neighbours.\n',K);

X2 = sum(X.^2,1);
distance = repmat(X2,N,1)+repmat(X2',1,N)-2*X'*X;
B=ones(N);
R=N/(d+1);
for i=1:d+1;
    B(1+R*(i-1):R*i,1+R*(i-1):R*i)=zeros(R);
end;
distance1=distance+a*max(max(distance))*B;

[sorted,index] = sort(di