算法步骤 Step 1: Constructing the adjacency graph LPP基于的是图拉普拉斯思想,首先任务是构造样本点的邻接图来分析样本点的局部信息。原论文中提供了两种确定邻接图的方法。 第一种的方式是当两点距离小于某一指定阈值是,就认为两点邻进,但是这种方法的缺点在于阈值难以把握,当时数据的密度差异大时,很难选取统一的...
本文提出了一种新的改进算法——谱回归判别局部保持投影SRDLPP(Spectral Regression Discriminant Locality Preserving Projection)。其在LPP算法中加入了谱回归判别分析算法,这样可以避免解密度矩阵特征分解时带来的高昂的内存和时间的消耗。分别在Yale、Orl和扩展Yale_B人脸库上进行实验,实验结果表明,本算法优于其他算法。
LPP是一种典型的降维算法，它通过构建样本点之间的远近关系，并在降维投影中尽可能保留这种关系，从而保留数据的局部结构。LPP的基本问题可以描述为：给定m个样本，找到合适的变换矩阵A将这m个点映射到l维空间，其中：[公式]可以代表原始空间的信息，并保留样本间的亲疏关系。即原始高维空间中，两个样本点...
1. Re:关于近邻保持算法LLE,LPP,NPE等算法的实现---流行学习 ORL数据集用NPE降维到80维是怎么达到70%准确率的,我弄了好久也只有30%多 --ouyilide 2. Re:Robust principal component analysis?(RPCA简单理解) 博主您好,源代码链接失效了,请问可以从新发一个链接吗?非常感谢 379040686 --seed123 3. Re:Robust...
LPP 局部保留投影算法是一种监督式降维算法，类似于LDA （线性判别），与主成分分析（PCA）不同，后者...
基于中心域的lpp算法研究 31282011,Vo1.32,No.9计算机工程与设计ComputerEngineeringandDesign基于中心域的LPP算法研究张建明,刘俊宁,杜丹(江苏大学计算机科学与通信工程学院,江苏镇江212013)摘要:针对LPP算法中最近相邻图不能很好地表示流形的局部结构问题,提出一种基于中心域的保局投影算法。该算法采用LBP获取图像的高阶全局...
KNN算法简介 KNN(K-Nearest Neighbor)工作原理:存在一个样本数据集合,也称为训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一数据与所属分类对应的关系。输入没有标签的数据后,将新数据中的每个特征与样本集中数据对应的特征进行比较,提取出样... ·卿欢· 0 1933 学习流行算法有感 2017-...
基于改进的LPP_SIFT人脸识别算法
基于中心域的LPP算法研究
应该是argmin tr(P'XLX'P)所以，literally，LPP就是LE引入线性策略的结果。