LLE算法的Matlab讲解

最新推荐文章于 2024-08-31 15:39:32 发布

#叫啥名字呢

最新推荐文章于 2024-08-31 15:39:32 发布

阅读量3.9k

点赞数 2

分类专栏：数据降维

本文链接：https://blog.csdn.net/weixin_40411446/article/details/80019498

版权

该博客介绍了在Matlab中实现局部线性嵌入（LLE）算法的详细步骤，包括计算对称距离矩阵、寻找邻居、求解重构权重以及从成本矩阵的特征向量计算嵌入坐标。此外，还提及了对LLE的改进，结合了LTSA方法。

摘要由CSDN通过智能技术生成

这里是关于LLE的函数，之后我会把LTSA和LLE结合改进的指出来

function [Y] = lle(X,K,d)
warning off;
[D,N] = size(X);
% STEP1: COMPUTE PAIRWISE DISTANCES & FIND NEIGHBORS 
X2 = sum(X.^2,1);
distance = repmat(X2,N,1)+repmat(X2',1,N)-2*X'*X;
[sorted,index] = sort(distance);
neighborhood = index(2:(1+K),:);
% STEP2: SOLVE FOR RECONSTRUCTION WEIGHTS
if(K>D) 
  tol=1e-3; % regularlizer in case constrained fits are ill conditioned
else
  tol=0;
end
W = zeros(K,N);
for ii=1:N
   z = X(:,neighborhood(:,ii))-repmat(X(:,ii),1,K); % shift ith pt to origin
   C = z'*z;                                        % local covariance
   C = C + eye(K,K)*tol*trace(C);                   % regularlization (K>D)
   W(:,ii) = C\ones(K,1);                           % solve Cw=1
   W(:,ii) = W(:,ii)/sum(W(:,ii));                  % enforce sum(w)=1
end