文件名称：通过最小覆盖逼近估算图像流形的尺寸
文件大小：1.89MB
文件格式：PDF
更新时间：2024-05-20 18:52:47
Pattern recognition; Principal Components Analysis;
估计数据的固有维数是特征提取和特征选择中的重要问题。 它提供了所需特征数量的估计。 主成分分析（PCA）是发现线性结构数据集维的强大工具。 但是，当数据具有非线性结构时，它变得无效。 在本文中，我们提出了一种新的基于PCA的方法来估计具有非线性结构的数据的嵌入维数。 我们的方法通过首先找到数据集的最小覆盖范围，然后对覆盖范围内的每个子集局部执行PCA以获得局部固有维数估计，最后给出估计结果作为局部估计的平均值来进行工作。 我们的方法有两个主要的创新。 （1）一种新颖的噪声滤波程序被应用于PCA程序中，用于局部固有维数估计。 （2）在整个数据集上构建最小覆盖。 由于这两项创新，我们的方法快速，对噪声和离群值均具有鲁棒性，可收敛到具有广泛子区域大小的稳定估计，并且可以在增量意义上使用，其中子区域是指局部近似值。分布式歧管。 在合成和图像数据集上的实验表明了该方法的有效性。