基于Wasserstein距离概率分布模型的非线性降维算法
大小：0.65 MB 人气： 2017-11-24 需要积分：0
标签：非线性(22953)
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。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于Wasserstein距离概率分布模型的非线性降维算法下载
相关电子资料下载
- 不同的人工神经网络模型各有什么作用? 126
- rnn神经网络基本原理 233
- bp神经网络算法过程包括 106
- 反向传播神经网络建模基本原理 166
- 反向传播神经网络概念是什么 168
- 反向传播神经网络分为多少层 162
- bp神经网络模型拓扑结构包括哪些 115
- 卷积神经网络激活函数的作用 80
- 数学建模神经网络模型的优缺点有哪些 299
- 什么神经网络模型适合做分类 114