最近鄰的隨機非線性降維
大?。?/span>0.76 MB 人氣： 2017-12-23 需要積分：2
針對線性降維技術(shù)應用于具有非線性結(jié)構(gòu)的數(shù)據(jù)時無法得到令人滿意的結(jié)果的問題，提出一種新的著重于保持高維空間局部最近鄰信息的非線性隨機降維算法（ NNSE）。該算法首先在高維空間中通過計算樣本點之間的歐氏距離找出每個樣本點的最近鄰點，接著在低維空間中產(chǎn)生一個隨機的初始分布；然后通過將低維空間中的樣本點不斷向其最近鄰點的平均位置移動，直到產(chǎn)生穩(wěn)定的低維嵌入結(jié)果。與一種先進的非線性隨機降維算法——t分布隨機鄰域嵌入（ t-SNE）相比，NNSE算法得到的低維結(jié)果在可視化方面與t-SNE算法相差不大，但通過比較兩者的量化指標可以發(fā)現(xiàn)，NNSE算法在保持最近鄰信息方面上明顯優(yōu)于t-SNE算法。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
最近鄰的隨機非線性降維下載
相關(guān)電子資料下載
- 不同的人工神經(jīng)網(wǎng)絡模型各有什么作用? 126
- rnn神經(jīng)網(wǎng)絡基本原理 233
- bp神經(jīng)網(wǎng)絡算法過程包括 106
- 反向傳播神經(jīng)網(wǎng)絡建?；驹?/a> 166
- 反向傳播神經(jīng)網(wǎng)絡概念是什么 169
- 反向傳播神經(jīng)網(wǎng)絡分為多少層 162
- bp神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)包括哪些 115
- 卷積神經(jīng)網(wǎng)絡激活函數(shù)的作用 80
- 數(shù)學建模神經(jīng)網(wǎng)絡模型的優(yōu)缺點有哪些 299
- 什么神經(jīng)網(wǎng)絡模型適合做分類 114