论文部分内容阅读
在图嵌入框架下,以编组线索的聚类来实现轮廓编组的方法,不仅可以有效地将局部特征和全局特征结合起来,而且更加符合人类视觉感知以流形存在的特点.本文在分析相似度矩阵对样本结构表示意义的基础上,提出了一种基于自适应尺度Laplacian Eigenmap的轮廓编组算法.该算法能够根据编组线索多维特征的不同局部统计特性,自适应地改变相似度计算模型中的尺度因子,使相似度矩阵更准确地反映编组线索数据集的结构特性.在此基础上通过降维实现编组元的聚类,从而得到轮廓编组的结果.实验证明,该算法对于局部统计特性差异较大