一种基于ISOMAP的分类算法

提出一种解决分类任务的等测距映射算法, 该算法利用类标签信息指导高维数据的降维. 首先根据类标签 在属于某个类的数据集上构造类内邻域图; 然后寻找类间最短距离相邻边, 并将其乘以大于1 的尺度变化因子, 使得 降维后的类内数据更加紧凑、类间数据更加分开; 最后利用BP 神经网络构建一个近似的从原始高维数据集到低维 数据集之间的映射函数, 通过遗传算法对BP 神经网络的初始权值和阈值进行优化, 以避免使用剃度下降算法所带来 的局部最优问题. 实验结果表明, 分类性能有较大提高, 并对噪声有一定的鲁棒性.