来源：期刊VIP网 时间：
作者：贾凯巍;刘庆强;
单位：东北石油大学电气信息工程学院;
摘要：局部线性嵌入（Local linear embedding, LLE）算法在挖掘高维空间的局部结构时，需要人工指定近邻点的个数，无法保证算法的特征提取能力。为了解决这个问题，提出了一种样本密度自适应的局部增强线性嵌入算法（Local enhanced linear embedding algorithm with sample density adaptation,SDA-LELE）。首先，利用样本点与其近邻点之间的距离之和，衡量样本分布的稀疏稠密程度，从而自适应地选取近邻点个数。其次，采用局部增强算法，增加相邻样本间的权重，从而使样本在保持局部线性结构的同时也保持局部近邻结构，增强算法特征提取能力。最后，将算法应用在凯斯西储大学和东北石油大学轴承数据集上，并进行了可视化、Fisher信息等实验。实验结果表明，SDALELE算法比其他算法能提取出更多的显著特征，获得更好的降维效果。
关键词：流形学习;;局部线性嵌入;;自适应邻域;;特征提取;;轴承诊断
基金资助：海南省自然科学基金项目（623MS071）
