基于陀螺仪的mems matlab算法,基于Isomap降维的噪声处理算法

随着计算机技术在各行各业中的迅猛发展,高维数据在我们的生活中可以频繁遇到,web的文本和多媒体数据随处可见.这种高维形式数据的存在,已经超越了人们的认知能力.如何将三维空间以上的多维或高维数据转化为人类能视觉直观理解的可视化结果,是高维数据可视化(HighDimensionalDataVisualization,简称HDDV)所研究的课题.目前学者们提出了相应的非线性降维方法,主要有等距特征映射(IsomapetricMapping)[1,2]、局部线性嵌入(LocallyLinearEmbedding)[3]和拉普拉斯特征映射(LaplacianEigenmaps)[4]等,并在某些问题的处理上取得了较好的效果.目前,针对非线性降维算法的降维维数一般通过残差[1]来描述的不足,本文利用极大似然估计(MaximumLikelihoodEstimation,简称MLE)方法估测高维数据的本征维数(IntrinsicDimension,简称ID);针对非线性降维方法存在的对噪声比较敏感的问题,张振跃[5]等提出局部线性平滑的思想,采用加权来构建局部小块,并用迭代方法优化权值,但是这种迭代方法存在容易陷入局部极小值,鲁棒性不够高等问题.本文首先采用MLE方法估测出原始高维数据的本征维数,其次使用Isomap算法将高维数据降维至本征维度的低维空间,这样可以保持以前的非线性结构;最110软件技术算法SoftwareTechniqueAlgorithmSoftwareTechniqueAlgorithm软件技术算法111后采用主成分分析PCA[6-8]方法降维,以达到剔除一些无用噪声信息的目的.通过实验证明了该组合算法Mp_Isomap的可行性与时效性.1等距特征映射等距特征映射(Isomap)是由Tenenbaum等在2000年Science提出的一种非线性降维方法,它以经典多维尺度(ClassicalMulti-DimensionalScaling,简称CMDS)变换为基础,核心是保持两点间的测地距离(geodesic),即把原始空间中距离的计算从欧氏距离变成了流形上的测地距离.Isomap通过将数据点连接起来构成一个邻接图来离散地近似原来的流形,所谓流形(manifold)就是一般的几何对象的总称,流形就包括各种维数的曲线曲面等.而测地距离也相应地通过图上的最短路径来近似了,使得距离很近的点间的测地距离用欧氏距离代替,距离较远的点间的测地距离用最短路径来逼近,这里测地距离是指在包含待测两点内的地球面上测得的两点之间的最短线.其算法简单描述如下:Step1:生成邻域图G.计算任意两个样本ix与jx的欧式距离,Xijdxx,如果xj在ix的半径之内或者是ix的k个最近邻点之一,则连接jx和jx,连接线的长度设置为,Xijdxx,否则将ix与jx的长度置为;其中1in,1jn,如此重复下去,构造无向图G;Step2:计算任意两样本之间的最短距离.利用迪杰斯特拉(Dijkstra)或弗洛伊德(Floyd)算法计算邻域图G中任意两样本的最短距离,Gijdxx,这样得到最短距离矩阵M=,GGijdxx;Step3:构建d维欧几里得空间嵌入.将CMDS应用于下式距离矩阵,它由最短距离的平方组成:22ijD=M,GGGdxx下图1是瑞士卷经过Isomap过程得到的二维嵌入结果图2.对一个光滑流行采样后获得样本数据,使用一些非线性降维方法可以找到其本征维数,但是,由于在采样过程中不可能保证在理想状态下,这样就会带来噪声的干扰,使得降维至低维空间时出现对原始数据的变形.下