本文提出一种新的方法——基于MLE算法的本征维数估计算法。
This paper proposes a new approach for intrinsic dimension estimation based on MLE (Maximum Likelihood estimation).
高维数据的本征维数估计问题研究，在高维数据处理领域中有着重要的地位。
The intrinsic dimension estimation of high-dimensional data, is important in the field of high-dimensional data processing.
并且，在数据处理过程中，准确的本征维数估计对选取合适的邻域大小有很大的帮助，可以避免“维数灾难”。
The accurate intrinsic dimension estimation also profit to select an appropriate neighborhood size in data processing for avoiding dimensionality curse.
主成分分析能有效估计这一几何体的本征维数。
The principal component analysis can estimate the intrinsic dimensionality of the hyper-plane.
对拉普拉斯特征映射方法应用领域的拓展起到了推动作用，同时提出一种新的估计本征维数的方法并且通过人造数据的验证说明该方法具有良好的性质。
Our work enrich the Laplacian Eigenmap algorithm theory system. In addition, a new method of estimation intrinsic dimension is proposed, it shows good proved by man-made data.
对拉普拉斯特征映射方法应用领域的拓展起到了推动作用，同时提出一种新的估计本征维数的方法并且通过人造数据的验证说明该方法具有良好的性质。
Our work enrich the Laplacian Eigenmap algorithm theory system. In addition, a new method of estimation intrinsic dimension is proposed, it shows good proved by man-made data.
应用推荐