2008-04-25
局部保持的流形学习通过从局部到整体的思想保持观测空间和内在嵌入空间的局部几何共性，发现嵌入在高维欧氏空间中的内在低维流形。本文分析了局部保持的流形学习算法的基本实现框架,详细比较了一些局部保持的流形学习算法的特点，提出了几个有益的研究主题。
2011-05-06
流形学习作为挖掘高维数据中内在规律性的一种有效方法, 在机械故障的机理分析方面具有巨大应用潜力. 本文对流形学习方法在故障诊断中的可行性进行了较深入的研究, 并探讨了信号采样系统的特征对流形学习算法性能的影响. 理论分析和模拟实验的结果表明, 当信号采样系统的特征保持相对稳定时, 流形学习方法可以在一定程度上容忍系统存在的非线性和零点漂移效应. 同时, 为了使流形学习算法达到较好的效果, 在数据的搜集和预处理过程中, 应使得数据容易重构到一个高维空间中且它们之间的相似性易于度量.
2011-08-19
作为一种新的非监督性统计学习方法，流形学习近年来越来越引起机器学习及认知科学工作者的重视。其本质是发现高维观测数据集的内在低维流形结构和嵌入映射关系。流形学习的各种算法也成为研究热点，很多经典流形学习算法包括多维尺度分析（Multidimensional Scaling, MDS）、主成分分析（Principle Component Analysis, PCA）、拉普拉斯特征变换（Laplacian Eigenmaps, LE）、局部线性嵌入（Locally Linear Embedding, LLE）、等度规映射（Isometric Mapping, Isomap）等在图像信息压缩、模式识别、图像处理等众多领域都有广泛应用。本文主要介绍了流形学习的研究背景，各个算法的数学描述，在图像视频检索领域的应用以及未来的研究方向。
教育部博士点专项基金(新教师项目)（编号：200804221023）
山东省自然科学基金（编号：Q2008G03）
山东大学信息科学与工程学院,山东大学信息科学与工程学院，济南 250100
2005-12-12
流形学习一般是指一类无监督统计学习问题，其主要目标是发现嵌入在高维数据空间的低维光滑流形。本文着重介绍了流形学习的研究背景、研究动机以及一些有代表性的学习算法，并对进一步的研究作了展望。
manifold learning, this paper propose a novel sparse coding method, called Sparse Coding based on Manifold
2013-12-24
Specialized Research Fund for the Doctoral Program of Higher Education （Grant No: 20100101120067）
College of Computer Science and technology, Zhejiang University, Hangzhou 310027,College of Computer Science and technology, Zhejiang University, Hangzhou 310027
2013-03-12
对于一个数据集，数据间的稀疏重构关系具有很好的分类信息。稀疏保留投影（SPP）正是基于这样的考虑所提出的一种特征提取方法，它的目标是获取一个线性投影空间，使得样本之间的全局稀疏重构关系得以保留。然而，稀疏保留投影主要关注的是样本间的全局稀疏重构关系，并且得到的投影变换通常不是正交的，而在实际应用中，图像数据往往处于高维空间中的一种低维流形结构中，正交性一直被认为有利于提高鉴别能力。因此，本文在稀疏保留投影中引入了流形结构保留和正交投影，提出了两种实现算法来实现人脸和掌纹图像的特征提取，分别是基于流形学习的整体正交稀疏保留投影（MLHOSPP）和基于流形学习的迭代正交稀疏保留投影(MLIOSPP)。
教育部博士点基金（20093223110001）
江苏省普通高校研究生科研创新计划（CXLX11_0413）
南京邮电大学自动化学院，江苏南京 210023；南京信息工程大学电子与信息工程学院，江苏南京 210044,南京邮电大学自动化学院，江苏南京 210023,南京邮电大学自动化学院，江苏南京 210023
#计算机科学技术#
2017-05-11
不同于传统的基于全局的维度约简算法，流形学习算法基于数据的局部几何特征实现数据降维。论文首先讨论流形学习算法的适用条件和数据的前提假设特征，并对流形学习算法在过程监控的应用进行理论分析；然后，以NPE为例，进一步深入探讨算法的特征提取思想和方法，以及T2和SPE统计量进行过程监控的有效性，阐述该统计量应用于流形学习的特点，指出利用这些统计量进行监控的特点。通过仿真实例验证上述分析的有效性。
2017-05-03
左房壁瘤体积的准确估算在肿瘤的早期诊断和治疗计划中是一项具有实际应用价值的课题。然而由于左房壁瘤通常具有形态变化大、边界不明显以及与周围环境对比度低等特点，所以对左房壁瘤的分割无论对于人工或者计算机来说都是一个挑战性的工作。为了克服房壁瘤的形态不规则和周围环境复杂性，论文提出了一种新颖的多视图半监督流形学习算法对体积进行直接估算，它能够融合多视图特征并且充分利用监督信息和未标记样本生成区分度高和鲁棒性强的房壁瘤图像特征表达。然后基于房壁瘤图像的特征表达，利用随机森林模型直接估算房壁瘤体积。本文提出的方法在临床数据行进行了验证和与其它算法进行了比较，实验结果体现了提出方法在临床中的潜在应用价值。
厦门大学信息科学与技术学院，厦门，361005,厦门大学信息科学与技术学院，厦门，361005
#计算机科学技术#
2012-09-13
流形学习已经成为机器学习与数据挖掘领域的一个重要的研究课题。目前的流形学习算法都假设所研究的高维数据存在于同一个流形上，并不能支持或者应用于大量存在的采样于多流形上的高维数据。本文针对等维度的独立多流形提出了DC-ISOMAP算法。该算法首先通过从采样密集点开始扩展切空间的方法将多流形准确分解为单个流形，并逐个计算其低维嵌入，然后基于各子流形间的内部位置关系将其低维嵌入组合起来，得到最终的嵌入结果。实验结果表明，该算法在人造数据和实际的人脸图像数据上都能有效地计算出高维数据的低维嵌入结果。
高等学校博士学科点专项科研基金（20101401110002）
国家自然科学基金（71031006）
973计划前期研究专项 （2011CB311805）
计算机智能与中文处理教育部实验室，太原 030006；山西大学计算机与信息技术学院，太原 030006,计算机智能与中文处理教育部实验室，山西大学计算机与信息技术学院，太原 030006
#计算机科学技术#
2008-12-09
本文介绍了流形学习以及目前流形学习研究中的几种常见的算法：等度归映射算法（Isomap，Isometric Mapping），拉普拉斯特征映射算法（LE，Laplacian Eigenmaps），局部线性嵌套算法（LLE，Locally linear Embedding），局部切空间排列算法（LTSA，Local tangent space alignment）等。分析了这几种算法的特点和复杂度，并重点研究了其中的LLE算法，介绍了LLE算法的主要步骤以及几种已有的针对LLE算法的泛化方法。根据LLE算法的特点和目前LLE算法泛化中存在的问题，本文提出了一种新的针对LLE算法的泛化方案，本方案能够显著提高LLE的泛化性能，在流形没有被很好的采样，无法充分地代表潜在的流形时也能够有效工作，同时具有较小的运算复杂度，能够快速精确实现LLE的泛化。
北京邮电大学信息与通信工程学院,北京邮电大学,北京邮电大学,北京邮电大学
#计算机科学技术#
提示
