朱啸天,张艳珠,王凡迪

(沈阳理工大学 信息科学与工程学院，沈阳 110159)



一种基于稀疏自编码网络的数据降维方法研究

朱啸天,张艳珠,王凡迪

(沈阳理工大学 信息科学与工程学院，沈阳 110159)

高维数据的“维数灾难”问题制约了机器学习、模式识别等诸多研究领域的发展研究。因此高维数据的降维方法，即将高维的特征数据化简投射到低维空间中，成为当前研究热点之一。稀疏自动编码器(Sparse Autoencoder)网络通过训练具有多隐含层的神经网络将高维数据进行降维，能有效地解决了高维数据由于维数过大导致的识别率低的问题。将网络用于手写体数字图像识别及人脸图像识别实验，取得了较好地识别结果,表明稀疏自动编码网络能有效地对高维数据降维。

高维数据降维 ；稀疏编码；图像识别

近年来，随着科学技术的发展，在实际应用中经常会碰到高维数据，但由于“维数灾难”的影响，使得高维数据在机器学习及识别分类领域变得异常困难。传统方法是采用一些特殊的手段进行处理，而最常见的处理方式之一就是降维。通过数据降维可以减轻维数灾难以及高维数据中相关性较弱的冗余特征，从而促进高维数据的分类、压缩以及可视化。

目前已提出的许多降维方法[1-2]，主要可分为线性和非线性两类， 线性降维方法主要有主成分分析(PCA)和线性判别分析(LDA)等。它们在具有线性结构以及高斯分布的高维数据集上具有好的降维效果。然而当高维数据呈现复杂以及非线性结构时，这些方法则难以发现能够表现数据集的主要特征[3]，从而无法对其进行有效降维[4]。……