Sep, 2023

极坐标重建的循环聚类

PDF
TL;DR通过使用柱状坐标系统，我们提出了一种新的分析框架，用于聚类极坐标系统中的对象，并展示了我们的方法在合成和真实数据上生成比标准方法更合适和一致的聚类结果，克服了现有基于极坐标聚类方法的局限性，为聚类循环数据提供了更准确和高效的方法。
发现论文，激发创造
  • 持久化上同调与环坐标

    本文提出了利用统计数据集构建圆形值函数的方法，并使用持久性上同调的机器来识别数据中显著的圆形结构，通过谐波平滑和积分得到圆值坐标函数，进一步拓宽了坐标函数的类别，以更精确地进行 NLDR 分析。

    May, 2009

  • 基于新的相依度量的圆时序模糊聚类及风力数据应用

    本文针对环形时间序列的聚类问题，引入了一种基于圆弧的序列相关性度量，采用模糊方法实现多个聚类簇的定位，并在沙特阿拉伯风向时间序列的两个应用中展示了该方法的潜力。

    Jan, 2024

  • 聚类的递归方案

    我们的研究论文提出了一种递归方案来对地理（气候学）实验中获取的数据进行聚类，通过与专家评估结果的比较，表明使用这种新方法的聚类结果更可接受。

    Jan, 2024

  • 基于 Transformer 条件化的极坐标表示的天文无线干涉数据重构管道

    我们提出了 PolarRec，这是一种用于干涉可见性数据的重建方法，它由一个以极坐标表示的变换器条件化神经场管道组成，可以有效地重建频率信息，显著减少计算成本，并在成像结果上取得明显的改进。

    Aug, 2023

  • 高维空间哈密顿圈聚类

    本文提出了一种新的聚类框架，结合全局结构和局部结构解决聚类算法中伪标签生成和异常点检测问题，扩展了传统聚类方法的应用领域。实验证明，该方法表现优异。

    Apr, 2023

  • 在 Poincare 球中高度可扩展且可证明准确的分类

    该论文提出了一种基于 Poincaré ball 模型的统一框架，用于构建可伸缩、简单的超几何线性分类器，并给出了凸优化的解决方案，该算法在合成数据集和真实数据集上的表现均有很高的准确率。

    Sep, 2021

  • 随机极化码用于随时分布式机器学习

    提出一种强大的分布式计算框架，通过随机化草图和极化码的概念，能够进行近似和精确的线性操作计算，并在实践中展示了其可扩展性。

    Sep, 2023

  • PARTNER: 极化表示优化 LiDAR 3D 物体检测

    最近，极坐标表示在感知任务中表现出了有希望的特性。除了分开不均匀地表示点云的笛卡尔方法外，将点云表示为极坐标网格被认为是一个替代方法，因为它在不同分辨率下表现稳健，且对基于流的方法具有优越性。然而，最先进的极坐标检测方法不可避免地遭受特征失真问题，因为极坐标表示被非均匀地划分，导致与笛卡尔方法相比存在不可忽略的性能差距。为了解决这个问题，我们提出了一种新的极坐标三维物体检测器 PARTNER。PARTNER 通过全局表示重新对齐缓解特征失真困境，并通过将实例级几何信息引入检测头来促进回归。大量实验证明，在基于流的检测和不同分辨率方面具有压倒性优势。此外，我们的方法在 Waymo 和 ONCE 验证集上相对于先前的极坐标方法取得了显著优势，分别达到了 3.68% 和 9.15％的竞争性结果。

    Aug, 2023

  • 聚类蒙特卡罗算法

    本文简要介绍了 Monte Carlo 方法在统计物理学领域中的应用，特别关注了为硬球和相关系统的基准集群方法，推介了其多个最新应用案例。

    Nov, 2003

  • 旋转不变图像表示法用于冷冻电镜视角分类

    本研究提出基于 bispectrum 和 vector diffusion maps 的 Cryo-EM 图像旋转不变检索和分类方法，相较于先前的参考无关的方法在精度和速度方面有明显提高。

    Sep, 2013