范明玉;顾,南南;乔红;张波 降维:从流形正则化的角度进行解释。 (英语) Zbl 1354.68222号 信息科学。 277, 694-714 (2014). 摘要:在本文中,我们建议通过以一种新的方式解释流形正则化(MR)框架来统一各种降维算法。虽然MR框架最初是为学习而提出的,但我们利用它对许多降维算法进行统一处理,从线性到非线性,从监督到无监督,以及从单类到多类的方法。此外,该框架可以为设计新的降维算法提供通用平台。该框架以再现核希尔伯特空间中正则化拟合问题的形式表示。它由一个误差部分和两个正则化项组成:复杂性项和平滑项。误差部分测量估计的(低维)数据分布和真实的(高维)数据分配之间的差异,或估计的数据和目标的低维表示之间的差异。复杂性项是测量用于降维的特征映射的复杂性,平滑项反映了数据的内在结构。基于该框架,我们提出了一种流形正则核最小二乘(MR-KLS)方法,该方法可以有效地学习显式特征映射(在半监督意义上)。实验表明,该方法对样本外推算是有效的。 引用于1文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:降维;流形正则化;特征映射;流形学习;样本外插 软件:t-SNE公司 PDF格式BibTeX公司 XML格式引用 \textit{M.Fan}等人,《信息科学》。277694-714(2014年;Zbl 1354.68222) 全文: 内政部 参考文献: [1] 贝尔金,M。;Niyogi,P.,用于降维和数据表示的拉普拉斯特征映射,神经计算。,15, 6, 1373-1396 (2003) ·Zbl 1085.68119号 [2] 贝尔金,M。;Niyogi,P。;Sindhwani,V.,《流形正则化:从标记和未标记示例学习的几何框架》,J.Mach。学习。第7号决议,2399-2434(2006)·Zbl 1222.68144号 [4] 邦特,K。;贝尔,M。;Hammer,B.,降维数据可视化映射的通用框架,神经计算。,24, 3, 771-804 (2012) ·Zbl 1238.68117号 [5] 蔡,D。;何,X。;Han,J.,使用局部保持索引的文档聚类,IEEE Trans。知识。数据工程,17,12,1624-1637(2005) [7] 蔡,D。;何,X。;Han,J.,SRDA:一种用于大规模判别分析的有效算法,IEEE Trans。知识。数据工程,20,1,1-12(2008) [8] Chin,T。;Suter,D.,学习流形的样本外推算,IEEE Trans。模式分析。机器。智力。,30, 9, 1547-1556 (2008) [9] 考克斯·T。;Cox,M.,多维尺度(1994),查普曼和霍尔:查普曼&霍尔伦敦·Zbl 0853.62047号 [10] 多诺霍,D。;Grimes,C.,Hessian本征映射,用于高维数据的新的局部线性嵌入技术,Proc。美国国家科学院。科学。,100,5551-5596(2003年)·Zbl 1130.62337号 [12] Fukunnaga,K.,《统计模式识别导论》(1990),学术出版社·Zbl 0711.62052号 [13] Fukumizu,K。;巴赫,F。;Jordan,M.,《回归中的核维数缩减》,《Ann.Stat.》,37,4,1871-1905(2009)·Zbl 1168.62049号 [15] 顾,N。;范,M。;乔·H。;Zhang,B.,用于半监督降维的保稀疏判别投影,IEEE信号处理。莱特。,19391-394(2012年) [18] 何,X。;蔡,D。;Han,J.,学习图像检索的最大边缘子空间,IEEE Trans。知识。数据工程,20,2,189-201(2008) [20] 何,X。;Yan,S。;胡,Y。;Niyogi,P。;张,H.,使用拉普拉斯人脸进行人脸识别,IEEE Trans。模式分析。机器。智力。,27, 3, 328-340 (2005) [22] 辛顿,G。;Roweis,S.,随机邻域嵌入,(神经信息处理系统进展,第15卷(2003),麻省理工学院出版社),833-840 [23] Jolliffe,I.T.,主成分分析(2002),Springer·Zbl 1011.62064号 [24] Kim,T.K。;Kittler,J.,用单一模型图像进行人脸识别的多模式分布类的局部线性判别分析,IEEE Trans。模式分析。机器。智力。,27, 3, 318-327 (2005) [25] Kokiopoulou,E。;Saad,Y.,《正交邻域保持投影:基于投影的降维技术》,IEEE Trans。模式分析。机器。智力。,29, 12, 2143-2156 (2007) [26] Kruskal,J.B.,通过优化非计量假设的拟合优度实现多维标度,《心理测量学》,29,1,1-27(1964)·Zbl 0123.36803号 [27] 拉丰,S。;Lee,A.B.,《扩散映射和粗粒度:降维、图分区和数据集参数化的统一框架》,IEEE Trans。模式分析。机器。智力。,28, 9, 1393-1403 (2006) [28] Lee,J。;张春生,基因表达数据的分类:基于流形的度量学习方法,模式识别。,39, 1, 2450-2463 (2006) ·兹比尔1103.68769 [29] Lee,J.A。;Verleysen,M.,《降维质量评估:基于等级的标准》,神经计算,72,7-9,1431-1443(2009) [30] Lee,J.A。;Verleysen,M.,《降维的非标度质量标准》,模式识别。莱特。,31, 14, 2248-2257 (2010) [31] 孟,D。;梁,Y。;冯,T。;Xu,Z.B.,多簇流形上数据的非线性降维,Man,Cybernet。B部分,38,4,1111-1122(2008) [32] 孟,D。;梁,Y。;Xu,Z.B.多簇流形上数据非线性降维的Passage方法,模式识别。,46, 8, 2175-2186 (2013) [33] Musa,A.B.,《逻辑回归中降维的(l_1)正则化、PCA、KPCA和ICA的比较》,国际J.Mach。学习。网络。(2013) [34] 纳德勒,B。;拉丰,S。;科伊夫曼,R.R。;Kevrekidis,I.G.,扩散图,光谱聚类和动力学系统的反应坐标,应用。计算。哈蒙。分析。,21, 1, 113-127 (2006) ·Zbl 1103.60069号 [35] Orsenigo,C。;Vercellis,C.,监督流形学习中样本外映射的核岭回归,专家系统。申请。,39, 9, 7757-7762 (2012) [36] 罗维斯,S.T。;Saul,L.K.,通过局部线性嵌入降低非线性维数,《科学》,290,2323-2326(2000) [37] Sharma,A。;Paliwal,K.K。;Imoto,S。;Miyano,S.,使用QR分解的主成分分析,Int.J.Mach。学习。网络。,4, 6, 679-683 (2013) [38] 陶,D。;李,X。;吴,X。;Maybank,S.J.,步态识别的通用张量判别分析和Gabor特征,IEEE Trans。模式分析。机器。智力。,29, 10, 1700-1715 (2007) [39] Tenenbaum,J.B。;斯利瓦,V。;Landford,J.C.,《非线性降维的全球几何框架》,《科学》,290,2319-2323(2000) [40] 曾荫权,E.C.C。;陈,D。;Yeung,D.S。;王,X。;Lee,J.,使用模糊粗糙集的属性约简,IEEE Trans。模糊系统。,16, 5, 1130-1141 (2008) [41] 范德马滕,L.J.P。;Hinton,G.,《使用t-SNE可视化数据》,J.Mach。学习。研究,92579-2605(2008)·Zbl 1225.68219号 [42] 文纳,J。;Peltonen,J。;Nybo,K。;艾多斯,H。;Kaski,S.,《数据可视化中非线性降维的信息检索视角》,J.Mach。学习。第11号决议,第451-490页(2010年)·Zbl 1242.62006年 [43] Wasserman,P.D.,《神经计算中的高级方法》(1993),Van Nostrand Reinhold:Van Nostrand Reinho尔德,纽约,第155-161页·Zbl 0842.68062号 [44] 王,J.M。;弗利特,D.J。;Hertzmann,A.,人类运动的高斯过程动力学模型,IEEE Trans。模式分析。机器。智力。,30, 2, 283-298 (2008) [47] 温伯格,K.Q。;Saul,L.K.,《通过半定编程实现图像流形的无监督学习》,国际计算机杂志。视觉。,70, 1, 77-90 (2006) [49] 项,S。;聂,F。;张,C。;Zhang,C.,局部样条嵌入的非线性降维,IEEE Trans。知识。数据工程,212285-1298(2009) [50] Yan,S。;徐,D。;张,B。;张,H。;杨琼。;Lin,S.,《图嵌入和扩展:降维的一般框架》,IEEE Trans。模式分析。机器。智力。,29, 1, 40-51 (2007) [51] Yang,L.,用于多维缩放和降维的重叠局部缩放补丁对齐,IEEE Trans。模式分析。机器。智力。,30, 3, 438-450 (2008) [54] 张,T。;李,X。;陶,D。;Yang,J.,使用几何保持投影的多模态生物特征,模式识别。,41, 3, 805-813 (2008) ·Zbl 1132.68670号 [56] 张,T。;陶,D。;李,X。;Yang,J.,用于降维的补丁对齐,IEEE Trans。知识。数据工程,21,9,1299-1313(2009) [57] 张,Z。;Zha,H.,通过切线空间对齐的主流形和非线性降维,SIAM J.Sci。计算。,26, 1, 313-338 (2005) ·Zbl 1077.65042号 [58] 张,T。;杨,J。;赵,D。;Ge,X.,线性局部切线空间对齐及其在人脸识别中的应用,神经计算,701547-1553(2007) [60] 周,T。;陶,D。;Wu,X.,《流形弹性网:稀疏降维的统一框架》,Data Min.Knowl。发现。,22340-371(2011年)·Zbl 1235.62097号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。