基于LDFA的无监督数据降维
受LTSA启发,本文提出一种基于深度学习框架的无监督降维算法
Related work:
1.深度学习方法: 有监督的学习方法 :CNN (卷积神经网络)
无监督的学习方法 :AEs (自动编码器)
2.局部保持 :流形学习的特点(由三个框架可知)
不同的流形学习算法有不同的局部保持策略
每一种流形学习算法(LLE、LTSA、LPP、LE、PCA、t-SNE等)都可以认为是一个单层非线性神经网络。这样的神经网络不能从原始数据中获取深层次的特征。为了实现基于这些流形方法的深层学习,本文就把流形学习算法的局部保持特性和深度学习算法结合起来了。
我们想要的自动编码器:
可以很好的重构出输入数据
对输入数据一定程度下的扰动具有不变性(鲁棒性好)