一种基于扩散映射的非线性降维算法 (2010年)

非线性降维方法旨在保持数据局部结构的同时,使不在一个邻域内的点之间的距离变得松弛。作为一种新的流形学习框架,扩散映射通过在扩散过程中保持扩散距离进行降维。基于扩散映射的理论背景,建立了多层谱分解的数值算法,并具体给出了用扩散映射进行非线性降维的算法。实验结果表明,与传统的非线性降维方法相比较,该算法能够发现非线性高维数据的本征维数,并且对噪声具有很好的鲁棒性。