LLE（局部线性嵌入）matlab代码实现

最新推荐文章于 2025-05-24 11:22:39 发布

zod_wq

最新推荐文章于 2025-05-24 11:22:39 发布

阅读量9.5k

点赞数 8

CC 4.0 BY-SA版权

分类专栏：降维

本文链接：https://blog.youkuaiyun.com/qq_30683589/article/details/82685100

本文提供了两种LLE（局部线性嵌入）的MATLAB实现，包括降维效果的展示。对比了不同程序的差异，尤其是在K大于d时对C矩阵的调整，该调整能提升降维效果。对于调整的原理，作者表示还在学习理解中，欢迎读者交流指正。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本人在其他文章前面已经写过LLE的原理，在这里写一下LLE的代码，一个是网上其他大神的程序，一个是参考后自己写的的。

一，

% LLE ALGORITHM (using K nearest neighbors)
% [Y] = lle(X,K,dmax)
% X    ：data as D x N matrix (D = dimensionality, N = #points)
% K    ：number of neighbors
% dmax ：max embedding dimensionality
% Y    ：embedding as dmax x N matrix
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function [Y] = lle(X,K,d)
[D,N] = size(X);
fprintf(1,'LLE running on %d points in %d dimensions\n',N,D);
 
%% Step1: compute pairwise distances & find neighbour
fprintf(1,'-->Finding %d nearest neighbours.\n',K);
X2 = sum(X.^2,1);
distance = repmat(X2,N,1)+repmat(X2',1,N)-2*X'*X;
[sorted,index] = sort(distance);
neighborhood = index(2:(1+K),:);
 
% Step2: solve for recinstruction weights
fprintf(1,'-->Solving for reconstruction weights.\n');
if(K>D)
  fprintf(1,'   [note: K>D; regularization will be used]\n');
  tol=1e-3; % regularlizer in case constrained fits are ill conditioned
els