孙继刚;马尔科姆·克劳;科林·菲菲 将可视化质量测量纳入曲线组件分析。 （英语） Zbl 1293.62006年 信息科学。 223, 75-101 (2013). 概述：曲线成分分析（CCA）是一种有用的数据可视化方法。CCA的技术特性是，根据其应力函数的定义，其优化表面在优化过程中会随着参数的减小而变化。CCA使用随机梯度下降法的变体来创建数据映射。在CCA的优化方法中，应力函数只是可接受映射的一般指南。在其他多维缩放方法中，如Sammon映射，可以通过选择压力最低的映射来选择不同初始化的多个运行之间的最佳映射，而在CCA中，嵌入只是一个运行的结果，当然我们可以有多个启动。由于缺少用作选择标准的目标函数，CCA所做的嵌入可能优化效果不佳。本文提出了一种新的方法，通过将无压力数据可视化质量度量集成到现有算法中来改进CCA的优化。我们首先使用数据可视化质量度量，从标准随机梯度下降实现的多次运行中选择最佳映射；然后我们调整各种相关参数以实现进一步增强。与其他降维方法进行了简要比较。 MSC公司： 62A09号 统计学中的图解方法 62H25个 因子分析和主成分；对应分析 62H30型 分类和区分；聚类分析（统计方面） 关键词：曲线成分分析;随机梯度下降;参数学习;Sammon映射;降维 PDF格式BibTeX公司 XML格式引用 \textit{J.Sun}等人，《信息科学》。223，75-101（2013年；兹bl 1293.62006） 全文： DOI程序