×
弗朗西斯科·卡马斯塔;安东尼诺·斯塔亚诺

内在维度估计：进展和开放问题。 （英语） Zbl 1392.62171号

信息科学。 328, 26-41 (2016).
摘要：降维方法是用于处理高维数据的预处理技术。它们的目的是在不丢失信息的情况下，将原始的维数（N）数据集投影到一个低（M）维子流形上。由于（M）的值是未知的，因此允许预先知道（M）值的技术（称为内在维（ID））非常有用。本文的目的是回顾ID估计方法的最新进展，强调最新进展和存在的问题。

引用于13文件

MSC公司：

62H25个 因子分析和主成分；对应分析
10层62层 点估计
62H20个 关联度量（相关性、典型相关性等）

关键词：

固有维数;维数灾难;最大似然;相关性维度;降维

软件：

国际分帐;引导数据库
PDF格式BibTeX公司 XML格式引用
\textit{F.Camastra}和\textit{A.Staiano}，信息科学。328，26-41（2016；Zbl 1392.62171）
全文： 内政部

参考文献：

[1] Beardwood，J。；霍尔顿，J.H。；Hammersley，《通过多个点的最短路径》，Proc。外倾角。菲罗。《社会学杂志》，55，299-327（1959）·Zbl 0118.35601号
[2] 贝尔金，M。；Niyogi，P.，用于降维和数据表示的拉普拉斯特征映射，神经计算。，15, 6, 1373-1396 (2003) ·Zbl 1085.68119号
[3] Bellman，R.，《自适应控制过程：导览》（1961），普林斯顿大学出版社·Zbl 0103.12901号
[4] Bennett，R.S.，《信号收集的内在维度》，IEEE Trans。《信息论》，1517-525（1969）·Zbl 0176.49604号
[5] Bishop，C.，《模式识别的神经网络》（1995），剑桥大学出版社
[6] Bishop，C.M.，贝叶斯主成分分析，神经信息处理系统进展，382-388（1998），麻省理工学院出版社
[7] Bouveyron，C。；Celeux，G。；Girard，S.，各向同性概率主成分分析中的最大似然内禀维数估计，模式识别。莱特。，32, 1706-1713 (2011)
[8] Brand，M.，绘制流形，神经信息处理进展，961-968（2003），麻省理工学院出版社
[9] 布鲁斯克，J。；Sommer，G.，最优拓扑保持映射的内在维度估计，IEEE Trans。模式分析。机器。智力。，20，572-575（1998年）
[10] Burdea，G。；Coiffet，P.，《虚拟现实技术》（2003），约翰威利父子公司：纽约
[11] 卡马斯塔，F。；Vinciarelli，A.，《使用基于分形的方法估计数据的固有维数》，IEEE Trans。模式分析。机器。智力。，24, 10, 1404-1407 (2002)
[12] Camastra，F.，《数据维度估计方法：调查》，模式识别。，36, 12, 2945-2954 (2003) ·Zbl 1059.68100号
[13] 卡马斯塔，F。；Filippone，M.，时间序列预测非线性动力学方法的比较评估，神经计算。申请。，18, 8, 1021-1029 (2009)
[14] Ceruti，C。；Bassis，S。；Rozza，A。；伦巴第，G。；Casiraghi，E。；Campadelli，P.，Danco：一种利用角度和范数集中的内在维度估计器，模式识别。，47, 2569-2581 (2014) ·Zbl 1339.68219号
[15] 查韦斯，E。；纳瓦罗，G。；Baeza-Yates，R。；Marroquin，J.L.，在度量空间中搜索，ACM计算。调查。，33, 3, 273-321 (2001)
[16] 克劳森，J。；Villmann，T.，优胜者放松神经气体中的放大控制，神经计算，63，1，125-137（2005）
[17] 科尔曼，T.F。；Li，Y.，有界非线性最小化的内信赖域方法，SIAM J.Optim。，6, 418-445 (1996) ·Zbl 0855.65063号
[18] 科尔曼，T.H。；Leiserson，C.E。；Rivest，R.L.，《算法导论》（1990），麻省理工学院出版社·Zbl 1158.68538号
[19] Costa，J。；Hero，A.，流形学习中维数和熵估计的测地熵图，IEEE Trans。信号处理。，52, 8, 2210-2221 (2004) ·Zbl 1369.68278号
[20] 考克斯，T.F。；Cox，M.A.A.，《多维标度》（2010），CRC出版社·Zbl 0853.62047号
[21] Demartines，P。；Herault，J.，《曲线成分分析：聚类分析中非线性映射的自组织神经网络》，IEEE Trans。神经网络。，8, 1, 148-154 (1997)
[22] 杜达，R。；哈特，P。；斯托克，D.，《模式分类》（2001），约翰威利父子公司：纽约·兹伯利0968.68140
[23] 埃克曼，J.P。；Ruelle，D.，混沌和奇怪吸引子的遍历理论，现代物理学评论。，57, 617-659 (1985) ·Zbl 0989.37516号
[24] 埃克曼，J.P。；Ruelle，D.，动力学系统中估计维数和lyapunov指数的基本限制，《物理学》，D-56185-187（1992）·Zbl 0759.58030号
[25] 埃夫隆，B。；Tibshirani，R.J.，Bootstrap简介（1993），Chapman和Hall·Zbl 0835.62038号
[26] 艾因贝克，J。；Kalantana，Z.，高维数据集的内在维度估计：相关维度计算的新方法，J.Emerg.Technol。网络智能。，5, 2, 91-97 (2013)
[27] 范，M。；乔·H。；张斌，用切球法估计流形的本征维数，模式识别。，42, 780-787 (2009) ·Zbl 1162.68405号
[28] 范，M。；张，X。；陈，S。；Bao，H。；Maybank，S.，通过最小覆盖近似对图像流形进行维数估计，神经计算，105，19-29（2013）
[29] 法拉赫曼德，A.M。；塞佩斯瓦里，C。；Audibert，J.-Y.，显式适应维度估计，第24届机器学习国际会议论文集，265-272（2007）
[30] Fishman，G.S.，《蒙特卡罗：概念、算法和应用》（1996），施普林格-弗拉格出版社·Zbl 0859.65001号
[31] Freedman，D.，从流形样本进行流形的高效单纯形重建，IEEE Trans。模式分析。机器。智力。，24, 10, 1349-1357 (2002)
[32] Fukunaga，K。；Olsen，D.，《求数据固有维数的算法》，IEEE Trans。计算。，C-20、2、176-183（1971）·Zbl 0216.50201号
[33] Fukunaga，K.，《内在维度提取、分类、模式识别和降维》，《统计手册》，347-360（1982），北荷兰：北荷兰阿姆斯特丹·Zbl 0543.62050号
[34] Fukunaga，K.，《统计模式识别导论》（1990），Morgan Kaufman·Zbl 0711.62052号
[35] 格拉斯伯格，P。；Procaccia，I.，《测量奇怪吸引子的奇异性》，《物理学》，D9189-208（1983）·Zbl 0593.58024号
[36] 关，Y。；Dy，J.G.，稀疏概率主成分分析，J.Mach。学习。研究-程序。轨道，5185-192（2009）
[37] 医学博士古普塔。；Huang，T.S.，固有维数估计的正则最大似然，第二十六届人工智能不确定性会议论文集（UAI2010），220-227（2010）
[38] Hausdorff，F.，《尺寸与质量》，数学。安，79，157（1918）
[39] 他，J。；丁·L。；江，L。；李，Z。；胡琼，基于流形假设的内在维数估计，J.Vis。Commun公司。图像表示。，25, 740-747 (2014)
[40] 海因，M。；Audibert，J.-Y.，《（R^d）中子流形的内在维数估计》，ICML'05年第22期会议录第机器学习国际会议，289-296（2005）
[41] Heyting，A。；弗洛伊登塔尔，H.，L.E.J Brouwer作品集（1975），北荷兰爱思唯尔
[42] Hoeffing，W.，《一类具有渐近正态分布的统计》，《统计年鉴》，第19卷，第293-325页（1948年）·Zbl 0032.04101号
[43] Hoeffding，W.，有界随机变量和的概率不等式，美国统计协会杂志，58，13-30（1963）·兹伯利0127.10602
[44] Isham，V.，《混沌的统计方面：综述》，《网络与混沌统计与概率方面》，124-200（1993），Chapman&Hall·Zbl 0819.62083号
[45] Jain，A。；Dubes，R.，《聚类数据的算法》（1988），普伦蒂斯·霍尔：普伦蒂斯霍尔-恩格尔伍德悬崖·Zbl 0665.62061号
[46] Johnsson，K。；Soneson，C。；Fontes，M.，基于预期单纯形偏度的低偏差局部内禀维数估计，IEEE模式分析和机器智能汇刊，37，1，196-202（2015）
[47] Jollife，I.T.，主成分分析（1986），Springer-Verlag
[48] Jones，P.W.，《可纠正集与旅行推销员问题》，《数学发明》，第102期，第1-15页（1990年）·Zbl 0731.30018号
[49] 卡普兰，D。；Glass，L.，《理解非线性动力学》（1995），Springer-Verlag·Zbl 0823.34002号
[50] Karhunen，J。；Joutsensalo，J.，使用非线性pca类型学习的信号表示和分离，神经网络，7，1，113-127（1994）
[51] Kégl，B.，使用包装数的内禀维数估计，神经信息处理进展，681-688（2003），麻省理工学院出版社
[52] Kirby，M.，《几何数据分析：降维实证方法和模式研究》（2001），John Wiley and Sons·Zbl 1008.68116号
[53] Kohonen，T.，《自组织地图》（1995），斯普林格·弗拉格
[54] Kleindessner，M。；von Luxburg，U.，《无距离维度估计》，第18届国际情报与统计会议论文集，即将出版（2015）
[55] Kruskal，J.B.，关于图的最短生成子树和旅行推销员问题，《美国数学学会学报》，748-50（1956）·Zbl 0070.18404号
[56] Kruskal，J.B.，通过优化非计量假设的拟合优度实现多维标度，《心理测量学》，29，1-27（1964）·Zbl 0123.36803号
[57] Lee，J.M.，黎曼流形：曲率导论（1997），Springer-Verlag·Zbl 0905.53001号
[58] 莱维纳，E。；Bickel，P.，内在维度的最大似然估计，神经信息处理进展，777-784（2005），麻省理工学院出版社
[59] 李，J。；Tao，D.，简单指数族pca，《国际人工智能与统计会议论文集》（AISTATS），453-460（2010）
[60] Liao，L。；Zhang，Y。；马来亚银行，S.J。；Liu，Z.，基于最近约束子空间分类器的内禀维数估计，模式识别，47，3，1485-1493（2014）
[61] Lin，T。；Zha，H.，黎曼流形学习，《模式分析与机器智能汇刊》，30，5，796-809（2008）
[62] Little，A。；Jung，Y.-M。；Maggioni，M.，数据集内在维度的多尺度估计，流形学习及其应用：AAAI秋季研讨会论文，26-33（2009），IEEE
[63] 伦巴第，G。；Rozza，A。；Ceruti，C。；Casiraghi，E。；Campadelli，P.，内在维度的最小邻域距离估计，数据库中的机器学习和知识发现，374-389（2011），Springer
[64] Lorenz，E.N.，《确定性非周期流》，《大气科学杂志》，第20期，第130-141页（1963年）·Zbl 1417.37129号
[65] Mac Kay，D.J.C.，《概率网络和似然预测——监督神经网络实用贝叶斯方法综述》，《网络：神经系统中的计算》，6，3，469-505（1995）·Zbl 0834.68098号
[67] Malthouse，E.C.，用通用神经网络进行非线性主成分分析的局限性，IEEE神经网络交易，9，1165-173（1998）
[68] Mandelbrot，B.，《分形：形式、机会和维度》（1977），弗里曼·Zbl 0376.28020号
[69] 马尔迪亚，V.M。；Jupp，P.，《方向统计与概率》（2009），John Wiley&Sons
[70] 马丁内茨，T。；Schulten，K.，拓扑表示网络，神经网络，3507-522（1994）
[71] Mordohai，P。；Medioni，G.，《维数估计、流形学习和使用张量投票的函数近似》，《机器学习研究杂志》，11，410-450（2010）·Zbl 1242.68239号
[72] 尼科利奇，D。；莫卡，V。；辛格，W。；Muresan，R.，《用分形维数研究多元数据的特性》，《神经科学方法杂志》，172，27-33（2008）
[73] 奥加诺夫，A。；Valle，M.，《如何量化固体的能量分布》，《化学物理杂志》，130104504（2009）
[74] Ott，E.，动力系统中的混沌（1988），剑桥大学出版社：剑桥大学出版社·Zbl 0635.00009
[75] Pestov，V.，《数据集内在维度的公理方法》，神经网络，21，204-213（2008）·Zbl 1254.68102号
[76] 佩蒂斯，K。；Bailey，T。；Jain，T。；Dubes，R.，《近邻信息的内在维数估计》，IEEE模式分析和机器智能事务，1,1,25-37（1979）·Zbl 0418.68074号
[77] Prim，R.C.，《最短连接网络和一些推广》，贝尔系统技术期刊，361389-1401（1957）
[78] Raginsky，M。；Lazebnik，S.，使用高速矢量量化估计固有维数，神经信息处理进展，1105-1112（2006），麻省理工学院出版社
[79] A.K.罗姆尼。；Shepard，R.N。；Nerlove，S.B.，《多维尺度分析》，第一卷，理论（1972），研讨会出版社·Zbl 0251.92015号
[80] Roweis，S。；Saul，L.K.，通过局部线性嵌入降低非线性维数，《科学》，290，12，2323-2326（2000）
[81] Rozza，A。；伦巴第，G。；罗莎，M。；Casiraghi，E。；Campadelli，P.，Idea:内在维度估计算法，图像分析与处理-ICIAP 2011，433-442（2011），Springer
[82] Rozza，A。；伦巴第，G。；塞鲁蒂，C。；Casiraghi，E。；Campadelli，P.，《新型高内在维度估计量》，机器学习，89，1-2，37-65（2012）·Zbl 1260.68358号
[83] Sammon，J.W.J.，数据结构分析的非线性映射，IEEE计算机事务，C-18，401-409（1969）
[84] O.桑科。；马歇尔，A.D。；Rosin，P.，为isomap算法选择最佳参数值，模式识别字母，27，9，968-979（2006）
[85] Smith，R.，分形维数的最佳估计，非线性建模与预测，115-135（1992），Addison-Wesley:Addison-Wesley New York
[86] Snyder，D.，《随机点过程》（1975），威利出版社：威利纽约·Zbl 0385.60052号
[87] Takens，F.，《关于吸引子维数的数值确定》，《动力学系统与分岔》，《格罗宁根学报》1984，99-106（1985），Addison Wesley:Addison Wesley，纽约·兹比尔0561.58027
[88] Tanenbaum，J.B。；德席尔瓦，V。；Langford，J.C.，《非线性降维的全球几何框架》，《科学》，290，12，2319-2323（2000）
[89] Theiler，J.，分形维数最佳估计中的缺项，《物理快报》，A133195-200（1988）
[90] Theiler，J.，《尺寸估计器的统计精度》，《物理评论》，A413038-3051（1990）
[91] 泰勒，J。；欧洲银行。；Longtin，A。；Galdrikian，B。；Farmer，J.D.，《时间序列非线性测试：替代日期的方法》，《物理学》，D58，77-94（1992）·Zbl 1194.37144号
[92] Tibshirani，R.，《通过套索进行回归收缩和选择》，《皇家统计学会期刊》，B辑，58267-288（1996）·Zbl 0850.62538号
[93] Tipping，M.E。；Bishop，C.M.，概率主成分分析，《皇家统计学会杂志》，B辑，61，第3部分，611-622（1997）·Zbl 0924.62068号
[94] Trunk，G.V.，噪声信号采集固有维数的统计估计，IEEE计算机事务，25，165-171（1976）·Zbl 0317.62068号
[95] 瓦莱，M。；Oganov，A.，《晶体指纹空间——研究晶体结构集的新范式》，《晶体学报》A卷，A66507-517（2010）
[96] Vapnik，V.，《统计学习理论》（1998），John Wiley and Sons·Zbl 0935.62007号
[97] Verveer，P.J。；Duin，R.，固有维数估计的评估，IEEE模式分析和机器智能事务，17，1，81-86（1995）
[98] 维尔曼，T。；Claussen，J.C.，自组织映射和神经气体中的放大控制，神经计算，18，2，446-469（2000）·兹比尔1110.68134
[99] Vo，A.P.V.编号。；Oraintara，S。；Nguyen，T.T.，在复方向小波域中使用von mises分布进行统计图像建模，ISCAS 2008，2885-2888（2008）
[100] 王，X。；Marron，J.，用切割球估计流形的本征维数，《电子统计杂志》，2127-148（2008）·Zbl 1320.62115号
[101] 杨，X。；Michea，S。；Zha，H.，圆锥维数作为内禀维数估计量及其应用，SIAM国际数据挖掘会议论文集，169-179（2007）
[102] Young，L.-S.，维数、熵和lyapunov指数，遍历理论和动力学系统，2，1，109-124（1918）·Zbl 0523.58024号
[103] 邹，H。；哈斯蒂，T。；Tibshirani，R.，《稀疏主成分分析》，《计算与图形统计杂志》，第15期，第262-286页（2004年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。