研究高斯流形概率测度空间中的质心,建立了各种假设的绝对连续性,证明了 Jensen 不等式在 Wasserstein 空间的应用,以及 Riemann 流形上的随机可测集的广义 Brunn-Minkowski 不等式。
Dec, 2014
介绍了一种对于随机测度支持的 Wasserstein 重心的正则化方法,该方法通过凸惩罚来实现。该方法能够在更加真实的情况下,即只访问从未知分布中抽取的随机变量数据集的情况下,比较由 n 个绝对连续概率度量组成的数据。最后分析了一组 n 个 iid 随机概率度量的惩罚经验重心向其总体对应物的收敛性。
Jun, 2016
通过引入随机算法,该研究提出了一种计算连续分布的 Wasserstein 重心的有效在线算法,该算法基于优化输运理论和 Wasserstein 重心,并使用其对偶势隐式地参数化了该问题。
Aug, 2020
本文介绍了一个迭代方法来计算有限 Borel 概率集合的质心,并主要探讨了其中在线性(加权平均值)和非线性(协方差矩阵)方面的性质以及应用方法。
Nov, 2015
本文研究了 Wasserstein 空间中随机概率测度的重心。利用对偶论证方法,我们对具有紧支撑随机概率测度的各种参数类别的人口重心进行了精确的描述。特别地,我们将 Agueh 和 Carlier(2011)中引入的水斯坦空间中的平均和固定参考测度相对于最优传输映射的期望联系起来。我们还讨论了这种方法在信号和图像处理的可变形模型分析中的有用性。 在这种情况下,我们也考虑从 n 个独立且同分布的随机概率测度中估计人口重心的问题。
Dec, 2012
该研究针对比较随机变量分布及定义事件样本的平均模式等问题,使用 Wasserstein 空间的测度重心提出一个迭代版本进行平均分布的估计,并且当分布是由居中随机算子扭曲的常见措施时,则测地线能恢复该分布模板。
Nov, 2011
本文提出两种算法来计算一组经验概率测度的 Wasserstein barycenters,其中包括使用 entropic 正则化来平滑 Wasserstein distance 的方法,并使用矩阵缩放算法计算其梯度,这些算法可用于可视化大量图像并解决约束聚类问题。
Oct, 2013
本文介绍利用 Wasserstein 距离和最优输运理论分析数据集中随机概率测度(如多重直方图或点云)的最新统计学贡献,并重点介绍在 Wasserstein 空间中使用重心和测地线 PCA 的好处,用于学习数据集中几何变化的主要模式。同时,本文讨论了与统计优化输运相关的一些研究方向。
Jul, 2019
该论文提出了一种可扩展的算法,用于计算 Wasserstein-2 重心,针对输入测量,其不仅限于离散形式,并使用输入凸神经网络和周期一致性正则化以避免引入偏差,并提供了误差界的理论分析,以及在低维定性情景和高维定量实验中提出的方法的实证证据。
Feb, 2021
本文通过随机算法来计算具有 Wasserstein 距离下的一组概率分布的重心,该方法不同于以往的方法,可以适用于连续输入分布,并允许在每个迭代中调整重心的支持,该算法能够恢复出一个锐利的输出,其支持集合包含在真实重心的支持集合内,并能在一些例子中恢复出比以前更有意义的重心。该方法具有广泛的适用性,可扩展到生成给定分布的超级样本和恢复蓝噪声近似等应用。
Feb, 2018