广告
米哈伊尔·贝尔金,Partha Niyogi;用于降维和数据表示的拉普拉斯特征映射。神经计算2003; 15 (6): 1373–1396. 数字对象标识:https://doi.org/10.1162/089976603321780317
下载引文文件:
机器学习和模式识别的中心问题之一是为复杂数据开发适当的表示。我们考虑为嵌入高维空间的低维流形上的数据构造表示的问题。利用图Laplacian、流形上的Laplace-Beltrami算子以及与热方程的联系之间的对应关系,我们提出了一种表示高维数据的几何激励算法。该算法提供了一种计算效率高的非线性降维方法,该方法具有局部保持特性,并且与聚类有着天然的联系。本文讨论了一些潜在的应用和示例。
Captcha验证错误。请重试。
登录或创建帐户