基于文献计量学的两个技术的比较:多维尺度和 VOS
提出了一种综合映射和聚类的方法,旨在将映射和聚类技术有机地结合起来,从而更好地分析文献计量网络。作者使用 VOS 映射技术和加权参数化的基于模块性的聚类技术来说明该方法,最终针对信息科学领域 1999-2008 年最常被引用的论文进行了综合映射和聚类分析。
Jun, 2010
本文介绍了多维尺度变换(MDS)及其不同类型、Sammon 映射、Isomap 等算法,以及使用特征函数和核映射等方法处理大数据的 out-of-sample MDS 和 Isomap 嵌入,并着重介绍了 Nystrom 近似及其在地标 MDS 和 Isomap 中的应用。
Sep, 2020
该研究提出了一种基于表面的谱广义多维尺度映射 (Spectral-GMDS) 方法,用于计算两个度量空间之间的映射关系,该方法在解决问题时隐含地将映射的平滑性纳入,从而实现了高效的嵌入,并在实验中取得了很好的效果。
Nov, 2013
VOS 是一种新的框架,用于通过自适应合成虚拟离群值,在训练期间能够有意义地规范模型的决策边界,包括在特征空间中从类条件分布进行虚拟离群值取样,同时引入一种新的未知感知训练目标,与 ID 数据和合成离群数据之间的不确定性空间进行反向塑形,VOS 与物体检测和图像分类模型均能实现竞争性表现,在物体检测器上将 FPR95 降低了最高达 9.36%。
Feb, 2022
该论文介绍了一种新的数学框架 —— 向量扩散映射(VDM),用于处理大型高维数据集、图像和形状。它提供了为数据集组织、嵌入低维空间、插值和回归向量场等丰富工具,并将数据集与我们称之为 “向量扩散距离” 的指标相联系。在流形学习设置中,我们证明了 VDM 与流形上的向量场的连接 - 拉普拉斯算子之间的关系。
Feb, 2011
本文提出了 11 种可用的 VSA 实现,并讨论了它们在底层向量空间和操作符方面的相似性和差异性,并通过实验比较了它们的容量、非精确解绑操作的逼近质量、混合捆绑和绑定操作对查询响应性能的影响以及在两个示例应用程序中的性能。
Jan, 2020
本文认为矢量余弦在向量空间模型中用于识别单词相似度的无监督度量之一,可以被计算目标词最互相关联上下文的交集的无监督度量领先。为了证明这一点,我们描述并评估了 APSyn,它是平均精度的一种变体,无需任何优化,在标准 ESL 测试集上比矢量余弦和共现提高了 9.00%至 17.98%,具体取决于选择的顶部上下文的数量。
Mar, 2016
本文研究了 15 种降维方法在多光谱图像增强中的应用,通过主客观方法评估结果,发现 Matlab 实现的 CVA 方法优于其他方法。此外,本文还提出了一种用 C 编程语言实现的 CVA 方法,比较了 CVA 和 PCA 的计算时间和图像结果。
Dec, 2016
本文介绍了一个新颖的线性复杂度的随机优化算法,可用于多维缩放(MDS)的随机压力最小化框架,可递增、分布式求解,应用于定位和可视化任务,并在合成和真实数据集上进行了广泛测试。
Dec, 2016