LPP(Locality Preserving Projection),局部保留投影.

LPP(Locality Preserving Projection),局部保留投影.

   前几天学习了PCA，LDA算法，都是经典的降维算法。第一种为无监督学习，第二种为监督学习。

   今天看了另一种监督学习的降维算法LPP(Locality Preserving Projection)，在此记录下自己的心得体会。

    就从算法的步骤上来说，LDA和LPP有着惊人的相似，以至于我怀疑他们之间只是同一种方法的不同表示。为了验证我的想法，我采用这两组算法对相同的数据进行降维，降维后的数据证明了我的想法是错的。但是降维后的数据确实非常的相近。还请各路大神指导两者之间的关系。

    LPP算法先需要用明确类别的样本进行训练。

    如有n个K维训练样本，X1，X2...Xn构成矩阵X，样本分为C种。我们需要先构造一个N*N的权重矩阵W.

    Wij的值对应样本Xi和样本Xj的关系。Wij有两种表示方法，我在此就介绍简单的一种,即当且仅当Xi和Xj是同一类的数据时，Wij为1，其余为0。这样我们就可以够着一个N*N的矩阵了。

     接着构造一个对角矩阵D，其中Dii等于W矩阵中第i行或者第i列的和（W为对称阵）。