一种基于多重局部约束的图优化维数约简方法

摘要

本发明提供一种基于多重局部约束的图优化维数约简方法(DRMLCGO)。与现有的图嵌入维数约简方法相比，该方法具有如下优点：1)为了避免基于k近邻或ε球准则构图策略中的参数选择问题，本发明采用线性重构的思想，即利用高维数据间的重构系数自适应地构建图；2)本发明将图学习与投影矩阵学习整合到统一框架，在维数约简的过程中自动地对图结构进行更新和优化，从而解决了图构建与维数约简分离的问题；3)为了使所学的图能够全面和准确地刻画高维数据的本征结构，本发明充分利用多重局部约束，并自适应对其加权融合；4)本发明提出一种有效的迭代算法求解目标函数。在三个标准人脸图像数据库上验证了DRMLCGO的方法的有效性。