基于Wasserstein距離概率分布模型的非線性降維算法
大?。?/span>0.65 MB 人氣： 2017-11-24 需要積分：0
標(biāo)簽：非線性(22953)
降維是大數(shù)據(jù)分析和可視化領(lǐng)域中的核心問題，其中基于概率分布模型的降維算法通過最優(yōu)化高維數(shù)據(jù)模型和低維數(shù)據(jù)模型之間的代價函數(shù)來實現(xiàn)降維。這種策略的核心在于構(gòu)建最能體現(xiàn)數(shù)據(jù)特征的概率分布模型?；诖?，將Wasserstein距離引入降維，提出一個基于Wasserstein距離概率分布模型的非線性降維算法W-map。W-map模型在高維數(shù)據(jù)空間和其相關(guān)對應(yīng)的低維數(shù)據(jù)空間建立相似的Wasserstein流，將降維轉(zhuǎn)化為最小運輸問題。在解決Wasserstein距離最小化的問題同時，依據(jù)數(shù)據(jù)的Wasserstein流模型在高維空間與其在低維空間相同的原則，尋找最匹配的低維數(shù)據(jù)投射。三組針對不同數(shù)據(jù)集的實驗結(jié)果表明W-map相對傳統(tǒng)概率分布模型可以產(chǎn)生正確性高且魯棒性好的高維數(shù)據(jù)降維可視化結(jié)果。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于Wasserstein距離概率分布模型的非線性降維算法下載
相關(guān)電子資料下載
- 不同的人工神經(jīng)網(wǎng)絡(luò)模型各有什么作用? 126
- rnn神經(jīng)網(wǎng)絡(luò)基本原理 233
- bp神經(jīng)網(wǎng)絡(luò)算法過程包括 106
- 反向傳播神經(jīng)網(wǎng)絡(luò)建?；驹?/a> 166
- 反向傳播神經(jīng)網(wǎng)絡(luò)概念是什么 168
- 反向傳播神經(jīng)網(wǎng)絡(luò)分為多少層 162
- bp神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括哪些 115
- 卷積神經(jīng)網(wǎng)絡(luò)激活函數(shù)的作用 80
- 數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點有哪些 299
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類 114