|
|
1.
基于Wasserstein距离概率分布模型的非线性降维
曹小鹿, 辛云宏
计算机应用
2017, 37 (10):
2819-2822.
DOI: 10.11772/j.issn.1001-9081.2017.10.2819
降维是大数据分析和可视化领域中的核心问题，其中基于概率分布模型的降维算法通过最优化高维数据模型和低维数据模型之间的代价函数来实现降维。这种策略的核心在于构建最能体现数据特征的概率分布模型。基于此，将Wasserstein距离引入降维，提出一个基于Wasserstein距离概率分布模型的非线性降维算法W-map。W-map模型在高维数据空间和其相关对应的低维数据空间建立相似的Wasserstein流，将降维转化为最小运输问题。在解决Wasserstein距离最小化的问题同时，依据数据的Wasserstein流模型在高维空间与其在低维空间相同的原则，寻找最匹配的低维数据投射。三组针对不同数据集的实验结果表明W-map相对传统概率分布模型可以产生正确性高且鲁棒性好的高维数据降维可视化结果。
参考文献 |
相关文章 |
多维度评价
|
|
