稳健局部线性嵌入方法

针对局部线性嵌入方法对于噪声的敏感性,从分析噪声对数据集局部特性的影响入手,提出了稳健局部线性嵌入方法。通过与局部线性嵌入方法的理论分析和实例对比,表明稳健局部线性嵌入方法不仅对噪声影响不敏感,而且对邻域的选择有较好的适应性,可更好地挖掘数据集的本征特性,具有更强的数据可视化能力。     

高维图像数据的最优表达

对于M×N维图像数据,提出了一种用M维和N维向量表达的方式,这种方式使得图像处理可以在较低维数的空间中进行,便于计算。同时在一定意义下,这种表达是最优的。证明了在图像采样点数趋于无穷时,就相当于文献的结果。给出了这一方法的应用实例。