Oct, 2023
Gromov-Wasserstein 插值聚类与降维
Interpolating between Clustering and Dimensionality Reduction with Gromov-Wasserstein
Hugues Van Assel, Cédric Vincent-Cuaz, Titouan Vayer, Rémi Flamary, Nicolas Courty
TL;DR我们提出了一种适用于现有降维目标的通用适应方法，同时降低样本和特征大小。通过半松弛的 Gromov-Wasserstein 最优输运问题计算输入和嵌入样本之间的对应关系。当嵌入样本大小与输入大小匹配时，我们的模型恢复了经典的受欢迎的降维模型。当嵌入的维度不受限制时，我们展示了最优输运方案提供了一种有竞争力的硬聚类。我们强调了中间阶段将降维和聚类相结合以概括真实数据的重要性，并将我们的方法应用于可视化图像数据集。