高效的Nystrom核低秩逼近改进及自适应完成-MATLAB实现

简介：
本文提出了一种改进的Nystrom方法来高效地进行核矩阵的低秩近似，并介绍了其在MATLAB中的自适应完成技术实现。 介绍一个改进的Nystrom低秩近似Matlab包，该工具广泛应用于大规模机器学习和数据挖掘问题。此包无需特定函数、工具箱或库支持。 改进后的Nystrom方法利用K-means聚类中心作为锚点，显著提升了核矩阵的逼近质量。鉴于Matlab内置kmeans函数效率较低，作者编写了一个更高效的版本（eff_kmeans.m）。为了进一步优化性能，建议将K-means迭代次数设为较小值，例如5次。 该包的主要特点如下： 1. 支持改进型Nystrom低秩近似算法应用于核矩阵的计算（包括RBF、线性或多项式核）； 2. 适用于大规模数据集下的KPCA、Laplacian Eigenmap/谱聚类及MDS等任务，通过改进的Nystrom低秩逼近技术实现。