基于Wasserstein距離概率分布模型的非線性降維算法
大小：0.65 MB 人氣： 2017-11-24 需要積分：0
標簽：非線性(22953)
降維是大數據分析和可視化領域中的核心問題，其中基于概率分布模型的降維算法通過最優化高維數據模型和低維數據模型之間的代價函數來實現降維。這種策略的核心在于構建最能體現數據特征的概率分布模型。基于此，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模型在高維數據空間和其相關對應的低維數據空間建立相似的Wasserstein流，將降維轉化為最小運輸問題。在解決Wasserstein距離最小化的問題同時，依據數據的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據投射。三組針對不同數據集的實驗結果表明W-map相對傳統概率分布模型可以產生正確性高且魯棒性好的高維數據降維可視化結果。
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
相關電子資料下載
- 不同的人工神經網絡模型各有什么作用? 126
- rnn神經網絡基本原理 233
- bp神經網絡算法過程包括 106
- 反向傳播神經網絡建模基本原理 166
- 反向傳播神經網絡概念是什么 168
- 反向傳播神經網絡分為多少層 162
- bp神經網絡模型拓撲結構包括哪些 115
- 卷積神經網絡激活函數的作用 80
- 數學建模神經網絡模型的優缺點有哪些 299
- 什么神經網絡模型適合做分類 114