本文提出了一种基于持久图的核方法,通过该方法可以控制持久性的效应并在数据分析中折算噪声拓扑特征。该方法还提供了一种快速逼近技术,并在几个实际问题中得到了应用。
Jun, 2017
通过设计稳定表现拓扑特征的多尺度核,我们在理论上将拓扑数据分析与流行的基于核的学习技术建立了联系,并证明了该核对于 1-Wasserstein 距离的稳定性。在 3D 形状分类 / 检索和纹理识别的两个基准数据集上的实验证明,与基于持久景观的替代方法相比,所提出的方法具有相当的性能优势。
Dec, 2014
本文提出了一种基于 persistent diagram、lower-star filtration 和 Betti 函数的方法,可以高效地从时变图数据中提取形状信息,并在模拟研究和实际数据应用中表现出优越的性能,尤其是对于变点检测和加密货币网络异常价格预测。
May, 2023
采用拓扑数据分析方法,我们从动力系统时间序列的图形化表示中提取了有关其周期性和混沌特征的信息,并使用序数分区框架构建了两种图形。该方法提供了更准确的动态特性描述,并具有更强的噪声鲁棒性。
Apr, 2019
本文综述了拓扑数据分析中用于数据结构发现的聚类、流形估计、非线性降维、模式估计、脊估计和持久同调等方法。
Sep, 2016
通过离散拓扑学和微分几何的概念,我们提出了一种从复杂点云中提取节点级拓扑特征的新方法,并验证了这些拓扑点特征在合成和真实数据上的有效性以及其对噪声的鲁棒性。
Jun, 2024
本文介绍了一种用于拓扑图形分析中的持续图的优化方法,在保持稳定性的同时可以生成更健壮的极大值,并且可以将持续图中的关键和接近关键的单形分布可视化。
Sep, 2020
本研究基于构建 Betti 曲线,提出了一种量子方法来定义拓扑核,该方法在噪声模拟器上实现,通过一些实证结果展示了其鲁棒性和在量子机器学习中的优势。
Jul, 2023
本文综述了拓扑深度学习领域,回顾了拓扑数据分析的核心概念,探讨了如何将 TDA 技术融入到不同方面的深度学习中,并讨论了拓扑深度学习的挑战和未来前景。
Feb, 2023
使用代数拓扑的方法(TDA)来分析和侦测复杂的恶意软件模式,发现 TDA Mapper (结合 PCA) 在聚类和发现隐藏的恶意软件集群方面比 PCA 更好,持久图用于识别重叠的恶意软件集群。可以使用随机森林和决策树,以及 t-SNE 和持久图来应对噪声数据,提高恶意软件检测的性能和鲁棒性。
Nov, 2022