{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,30]]，“日期-时间”：“2024-06-30T17:14:46Z”，“时间戳”：17197676773}，“引用-计数”：40，“发布者”：“MDPI AG”，“问题”：“1”，“许可证”：[{“开始”：{:“日期-零件”：[2019,17]]，2019-01-17T00:00:00Z“，“时间戳”：1547683200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“对称”]，“抽象”：“我们应用t-分布随机邻域嵌入（t-SNE）来可视化乌尔都语手写数字（或数字）。使用的数据集由28个乌尔都语手写数字图像组成。该数据集是通过邀请不同类别的母语为乌尔都语的作者创建的。乌尔都语数字正确可视化的关键问题之一是一些数字之间的形状相似性。通过利用不同规模的大数据集的局部和全局结构，使用t-SNE解决了这个问题。全局结构由几何特征组成，局部结构是每类乌尔都数字基于像素的信息。我们引入了一种新的方法，该方法允许以高度组织和原则的方式使用欧几里德对偶距离将这两个独立的空间融合在一起。嵌入t-SNE的融合矩阵有助于以非常不同的方式在二维（或三维）地图中定位每个数据点。此外，我们提出的方法侧重于在映射到低维平面时保持高维数据的局部结构。在手写乌尔都语数字数据集上，t-SNE生成的可视化效果优于其他经典技术，如主成分分析（PCA）和自动编码（AE）<\/jats:p>“，”DOI“：”10.3390\/sym11010107“，”type“：”journal-article“，”created“：{”date-parts“：[[2019,1,17]]，”date-time“：”2019-01-17T16:30:27Z“，”timestamp“：1547742627000}，”page“：10.3390“，“体积”：“11”，“author“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-9964-4716“，”authenticated-ORCID“：false，”given“：“Mujtaba”，“family”：“Husnain”，“sequence”：“first”，“affiliation”：[{“name”：“巴基斯坦巴哈瓦尔布尔伊斯兰大学计算机科学与信息技术系，巴哈瓦尔63100”}]}，{“ORCID”：“http://\/orbid.org\/0000-9903-0274”，“authenticated-orcid“：false，”given“：”Malik Muhammad Saad“，”family“：”Missen“，”sequence“：”additional“，”affiliation“：[{”name“：”巴基斯坦巴哈瓦尔布尔伊斯兰大学计算机科学与信息技术系，巴哈瓦尔63100“}]}，{”giving“：”Shahzad“，”家人“：”Mumtaz巴基斯坦巴哈瓦尔布尔伊斯兰大学计算机科学与信息技术系，巴哈瓦尔布尔63100“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-9658-0833”，“authenticated-ORCID”：false，“给定”：“Muhammad Muzzamil”，“family”：“Luqman”，“sequence”：“additional”，“afliation”：[{“name”：“L3i，拉罗谢尔大学，Avenue Michel C\u0155epeau，17000 La Rochelle，France“}]}，{”ORCID“：”http://\/ORCID.org\/0000-0002-0123-439X“，”authenticated-ORCID“：false，”given“：“Micka\u00ebl”，“family”：“Coustaty”，“sequence”：“additional”，“affiliation”：[{“name”：“L3i、拉罗谢尔·大学，Aveen Michel C:u0155pepau，17000La Rocelle，France”}]}，{“给定“：”Jean-Marc“，”family“：”Ogier“，”sequence“：”additional“，”affiliation“：[{”name“：”L3i，拉罗谢尔大学，Avenue Michel C\u0155epeau，17000 La Rochelle，France“}]}]，”member“：”1968“，”published-online“：{”date-parts“：[[2019,17]]}，”reference“：[}”key“：”ref_1“，”doi-asserted-by“：“crossref”，“first page”：“115”，“doi“：”10.1016\/j.patcog.2005.05.012“，“article-title”：“在线手写识别中的方向特征”，“volume”：“39”，“author”：“Bahlmann”，“year”：“2006”，“journal-title“：“Pattern Recognit”。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”first-page“：”914“，”doi“：”10.1016\/j.knosys.2010.06.007“，”article-title“：”HMM和模糊逻辑：“HMM与模糊逻辑：基于在线乌尔都语脚本的语言字符识别的混合方法”，“volume”：“23”，“author”：“Razzak”，“year”：“2010”，“journal-title”：“Knowl.-based Syst.”}，”{“key”：”ref_3“，“doi-assert-by y“：”crossref“，”first page“：”1139“，”DOI“：”10.1016\/j.patrec.2011.03.002“，”article-title“：”识别手写文本作者的新区分加权方案的监督算法“，”volume“：“32”，”year“：”2011“，”journal-title”：“模式识别。莱特。“}，{”key“：”ref_4“，”doi-asserted-by“：”crossref“，”unstructured“：”Carbonell，M.，Villegas，M.、Forn\u00e9s，A.，and Llad\u00f3s，J.（arXiv，2018）。手写文本和命名实体的神经端到端模型联合识别，arXiv.“，”doi“：”10.1109\/DAS.2018.52“}”，{“key”：“ref_5”，“doi-assert-by”：“Crosref”，“unstructure”：“”Shinde A.和Shinde，A.（2018年）。基于鉴别隐藏Semi-Markov模型的手写文本重叠字符识别。智能计算与信息通信，施普林格。“，”DOI“：”10.1007\/978-981-10-7245-1_17“}，{”key“：”ref_6“，”unstructured“：”Mori，S.，Nishida，H.和Yamada，H..（1999）。光学字符识别，John Wiley&Sons，Inc.“}非结构化”：“Khan，N.H.、Adnan，A.和Basar，S.（2016年1月29日\u201331）。分析了urdu字符识别中的离线和在线方法。第十五届人工智能、知识工程和数据库国际会议论文集（AIKED\u201916），意大利威尼斯。“｝，｛”key“：”ref_9“，”doi asserted by“：”crossref“，”unstructured“：”Akram，Q.U.A.和Hussain，S.（2017年1月3日\u20135）。Noori Nastalique书写风格的基于连字的字体大小独立OCR。2017年第一届阿拉伯文字分析与识别国际研讨会论文集，法国南希。“，”doi“：”10.1109\/ASAR.2017.8067774“｝，{“key”：“ref_10”，“doi-asserted-by”：“crossref”，“unstructured”：“Melville，P.，and Mooney，R.J.（2004年1月4日\u20138）。主动学习的多样集合。加拿大AB省班夫市第二十届国际机器学习会议论文集。”，“doi”：“10.1145\/1015330.1015385”}，{：“1113”，“DOI”：“10.1038\/ng.2764”，“article-title”：“癌症基因组图谱泛癌分析项目”，“volume”：“45”，“author”：“Weinstein”，“year”：“2013”，“journal title”：《Nat.Genet.》}，{“key”：《ref_12》，“unstructured”：“Ravi，L.，Yan，Q.，Dascalu，S.M.，and Harris，F.C.（2013年1月4日\u20136）.环境数据可视化技术和工具综述。2013年国际计算机及其应用会议论文集（CATA 2013），美国夏威夷州火奴鲁鲁journal-title“：”IEEE Trans。视觉。计算。图表。“}，{”key“：”ref_14“，”unstructured“：”Keim，D.A.，Ankerst，M.，and Kriegel，H.-P.（11月，1月29日）。递归模式：可视化海量数据的技术。第六届可视化会议论文集\u201995；美国佐治亚州亚特兰大IEEE计算机学会。“}”，{“key”：“ref_15”，“unstructure”：“Rekimoto，J.和Green，M.（1993年1月5日）。信息立方体：在第三个信息可视化中使用透明度。第三届信息技术与系统年度研讨会论文集（WITS93），美国佛罗里达州奥兰多市“}，{“key”：“ref_16”，“unstructured”：“Pickett，R.M.，and Grinstein，G.G.（1988，January 18\u201312）。用于可视化多维数据的图标显示。1988年IEEE系统、人与控制论会议论文集，中国北京。“}，{”key“：”ref_17“，”first-page“：”2579“，”article-title“：”t-SNE“可视化数据”，“volume”：“9”，“author”：“Hinton”，“year”：“2008”，“journal-title”：“J.Mach.Lear.Res.”}，“{”密钥“：”ref_18“，”非结构化“：”Maaten，L.（2009年1月8日\u201312）.通过保持局部结构来学习参数嵌入。第十二届人工智能与统计国际会议论文集，佛罗里达州克利尔沃特海滩1933年“，“新闻标题”：“J.教育。精神病。“}，{”key“：”ref_20“，”doi-asserted-by“：”crossref“，”first page“：“401”，”doi“：”10.1007\/BF02288916“，”article-title“：”多维标度：I.理论与方法“，”volume“:”17“，”author“：”Torgerson“，”year“：”1952“，”journal-title”：“Psychometrica”}“，和Verleysen，M.（2007）非线性降维，Springer Science&Business Media。“，”DOI“：”10.1007\/978-0-387-39351-3“}，{“key”：”ref_22“，”DOI-asserted-by“：”crossref“，”first page“：”2323“，“DOI”：”10.1126\/science.290.5500.2323“，”article-title“：”local linear embedding“的非线性降维”，“volume”：“290”，“author”：“Roweis”，“year”：“2000”，“journal-title”：“science”}，}“key”：“ref_23”，“DOI asserted-by“：”crossref“，”非结构化“：”Belkin，M.和Niyogi，P.（2002年，2013年1月3日）。用于嵌入和聚类的拉普拉斯特征映射和光谱技术。神经信息处理系统进展论文集，加拿大不列颠哥伦比亚省温哥华。“，”DOI“：”10.7551\/mitpress\/1120.003.0080“}，{”key“：”ref_24“，”DOI-asserted-by“：”crossref“，”unstructured“：”Weinberger，K.Q.，Sha，F.，and Saul，L.K.（2004，January 4\u20138）。学习非线性降维的核矩阵。第二十届国际机器学习会议论文集，加拿大AB省班夫市。“，DOI”：“10.1145\/1015330.1015345“}，{“key”：“ref_25”，“unstructured”：“Hinton，G.E.，and Roweis，S.T.（2003年1月8日\u201313）.随机邻域嵌入.神经信息处理系统进展论文集，加拿大不列颠哥伦比亚省温哥华市.”}，“key“：”ref_26“，”doi-asserted-by“：”crossref“，”first page“：“148”，“doi”：“10.1109\/72.5541999”，“article-title“：“曲线成分分析：用于数据集非线性映射的自组织神经网络”，“卷”：“8”，“作者”：“Demartines”，“年份”：“1997”，“期刊标题”：“IEEE Trans。神经网络。“}，{”key“：”ref_27“，”unstructured“：”Song，L.，Gretton，A.，Borgwardt，K.M.，and Smola，A.J.（2008年1月12日\u201313）。彩色最大方差展开。《神经信息处理系统进展论文集》，加拿大不列颠哥伦比亚省温哥华10.1016\/j.neucom.2013.09.055“，”article-title“：”单词自动编码器“，”volume“：”139“，”author“：”Liou“，“year”：“2014”，“journal-title”：“Neurocomputing”}，{“key”：“ref_29”，“doi-asserted-by”：“crossref”，“unstructured”：“Joyce，j.M.（2011）。Kullback-leibler发散。国际统计科学百科全书，Springer。”，“doi”：“10.1007\/978-3642-04898-2_327“}，{“key”：“ref_30”，“doi-asserted-by”：“crossref”，“first page”：”145“，“doi”：“10.1109\/18.61115”，“article-title”：“基于Shannon熵的散度度量”，“volume”：：“37”，“author”：“Lin”，”year“1991”，“journal-title“：”IEEE Trans.Inf.Theory“}“，”非结构化“：”Gashi，I.、Stankovic，V.、Leita，C.和Thonnard，O.（2009年1月9日，2013年11月）。非现成防病毒引擎多样性的实验研究。2009年IEEE第八届网络计算与应用国际研讨会论文集（NCA 2009），美国马萨诸塞州坎布里奇”，“DOI”：“10.1109\/NCA.2009.14”}，{“key”：“ref_32”，“unstructured”：“Hamel，P.，and Eck，D.（2010年1月9日\u201313）。通过深度信任网络学习音乐音频的功能。第十一届国际音乐信息检索学会会议记录，荷兰乌得勒支。“}，{”key“：”ref_33“，”doi-asserted-by“：”crossref“，”first-page“：”339“，”doi“：”10.1118\/1.3267037“，”article-title“：”探索拉普拉斯特征映射和t-SNE在乳腺CADx中的非线性特征空间降维和数据表示”，“volume”：“37”，“author”：“Jamieson”，“year”：“2010”，“journal-title”：“Med.Phys.”}，“{”key“：“ref_34”，“doi断言：“crossref”，“首页”：“615”，“doi”：“10.1093\/生物信息学\/btp035”，“文章标题”：“蛋白质\u2013小分子数据库，用于分析蛋白质配体结合的非冗余结构资源”，“卷”：“25”，“作者”：“Wallach”，“年”：“2009”，“期刊标题”：“生物信息学”}，{“键”：“ref_35”，“doi断言：”crossref“，“首页”：“1”，“DOI”：“10.1186\/s40537-014-0007-7”，“article-title”：“大数据分析中的深度学习应用和挑战”，“volume”：“2”，“author”：“Najafabadi”，“year”：“2015”，“journal-title“：”J.big data“}，{“key”：”ref_36“，“DOI-asserted-by”：“crossref”，“first-page”：“483”，“DI:”10.1038\/nmeth.4236“，”article le-title“：”SC3:单细胞RNA-seq数据的一致聚类”，“卷”：“14”，“作者”：“Kiselev”，“年”：“2017”，“期刊标题”：“自然方法”}，｛“键”：“ref_37”，“doi断言”：“crossref”，“首页”：“1739”，“doi”：“10.1109\/TVCG.2016.2570755”，“文章标题”：“用于渐进视觉分析的近似和用户可控制的tSNE”，“卷”：“23”，“作者”：“Pezzotti“，“年份”：“2017年”，“新闻标题”：“IEEE Trans。视觉。计算。图表。“}，{”key“：”ref_38“，”doi-asserted-by“：”crossref“，”first-page“：”e2“，”doi“：”10.23915\/detrict.00002“，”article-title“：”How to use t-sne effectively“，”volume“：“1”，“author”：“Wattenberg”，“year”：“2016”，“journal-title”：“Distilit”}，”{“key”：“ref_39”，“doi-assert-by”：“crossref.”，“first-page:”1307“，”Do I“：”10.1016\/S0167-8655（97）00093-7“，”文章标题“：”使用神经网络的Sammon\u2019映射：比较”，“卷”：“18”，“作者”：“Duin”，“年份”：“1997”，“期刊标题”：“模式识别。莱特。“}，{”key“：”ref_40“，”doi-asserted-by“：”crossref“，”first-pages“：”2319“，”doi“：”10.1126\/science.290.5500.2319“，”article-title“：”用于非线性降维的全局几何框架“，”volume“：，“链接”：[{URL“：”https:\/\/www.mdpi.com/2073-8994\/11\/107\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2024,6,15]]，”date-time“：“2024-06-15T14:51:50Z”，”timestamp“：1718463110000}，”score“：1，”resource“：”{“primary”：{“URL”：“https”：\/\/www.mdpi.com\/2073-8994\/11\/107“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2019,1,17]]}，”引用计数“：40，”日志发布“：}”问题“：“1”，”在线发布“：｛”日期部件“：[2019,1]]}}，“alternative-id”：[“sym11010107”]，“URL”：“http://\\dx.doi.org\/10.3390\/sym110107”，“关系”：{}，N“：[”2073-8994“]，“ISSN-type”：[{“value”：“2073-89964”，“type”:“electronic”}]，“主题“：[]，”发布“：{“日期部分”：[[2019,1,17]]}}