论文部分内容阅读
局部线性嵌套(locally linear embedding,简称LLE)是一种经典的流形学习方法.对于从单一流形上采样得到的数据集,该方法通常能有效地学习到数据的潜在低维流形结构；然而当数据集是从多个流形上采样得到的时候,它的效果并不理想.本文提出一种尺度流形学习(metric locally linear embedding.简称Metric LLE)方法来处理多流形学习问题,也就是数据分类问题.从某种意义上讲,该方法是局部线性嵌套的一种扩展.Metric LLE需要预先知道一些点(chunklet)的相似性或类别关系,并用这些信息来学习一个合适的距离度量.使用该距离度量的目的是希望减小同一流形内的点与点之间的距离,增大不同流形间的点与点之间的距离,同时尽可能充分地保持每个流形的内在几何结构.实验结果表明Metric LLE在数据分类和可视化中都有很好的性能.