Nov, 2023

基于流形学习的几何感知室内定位插值算法

PDF
TL;DR室内定位系统中广泛使用插值方法，然而现有的室内定位插值算法存在多种固有限制，包括依赖复杂的数学模型、灵活性有限以及相对较低的精度。为了提高室内定位插值技术的准确性和效率，本文提出了一种简单而强大的基于几何感知的室内定位插值算法。该算法的关键在于利用局部拓扑流形的几何属性，采用流形学习原理。因此，与构建复杂的数学模型相比，所提出的算法更能在局部拓扑流形中进行更精确、更高效的点估计。此外，我们的方法可以轻松地整合到任何室内定位系统中，从而增强其适应性。通过在模拟和真实数据集上进行系统的一系列实验和综合性能分析，我们证明了所提出的算法在插值准确性和效率方面始终优于最常用和代表性的插值方法。此外，实验结果还突出了我们方法在实时室内定位场景中的实际实用性和潜在适用性。
interpolation methodologiesindoor positioning systemsgeometric-aware interpolation algorithmmanifold learning principlesinterpolation accuracy
发现论文，激发创造
  • 数据流形上基于均匀插值约束的测地线学习

    该论文提出了一种基于测地线学习的方法，利用自编码器网络将数据样本映射到潜在空间，并通过插值网络进行插值，以生成高质量的插值样本。

    Feb, 2020

  • 非简单连通流形拓扑下深度生成模型的数据插值

    该论文提出了一种基于几何距离曲线的数据插值方法，并在此基础上提出了一种新的密度正则化器，该正则化器可以避免插值路径穿过低密度区域，从而提高插值结果的质量，该方法在真实世界图像数据集上得到了一致优于之前研究的结果。

    Jan, 2019

  • IAN: 迭代自适应邻域用于流形学习和维度估计

    本论文提出了一种基于相似性核的自适应邻域算法，可应用于非线性降维、测地线计算和维度估算，通过 Gabriel 邻域图进行迭代稀疏，并使用线性规划来全局地获得最小邻域和体积统计量以检测局外点。与基于 k 近邻的标准算法相比，实验表明这种自适应邻域算法的应用是有用的。

    Aug, 2022

  • 机器人学习在流形上的非参数回归

    本研究提出了一种在机器人学习中处理非欧几里德流形数值数据的本质方法，该方法通过在流形上选择适当的概率分布，并将其参数作为预测变量的函数进行非参数化估计，同时结合核函数的局部似然方法，实现了比投影算法更好的预测准确性。

    Oct, 2023

  • 几何感知的内在维度最大似然估计

    本论文提出了一种名为 GeoMLE 的算法，通过回归标准 MLEs 实现对平坦流形的内在维度的显式计算，能够有效地处理非均匀采样的流形，并在不同的合成和真实数据集上实现了最先进的性能。

    Apr, 2019

  • 流形感知归纳哈希

    本文介绍了一种基于流形学习的紧凑二进制哈希算法，解决了流形学习在大规模嵌入中的问题，并提出了一个有效的方法来解决样本外数据问题，特别是基于 t-SNE 实现的哈希算法。

    Mar, 2013

  • 利用流形先验在模型训练中融入远程学习

    本研究提出了 Distance Learner 方法，利用 “流形假设” 作为先验知识，对于 DNN-based 分类器进行训练，结果表明 Distance Learner 相比标准分类器学习到更有意义的分类边界，并且在对抗鲁棒性任务中表现出色。

    Jul, 2022

  • TOAST: 基于拓扑的奇点跟踪算法

    通过开发一种拓扑框架，定量测量局部内在维度和多尺度下点的欧几里得度量，检测复杂空间的奇异性，同时捕获图像数据中的奇异结构和局部几何复杂性。

    Sep, 2022

  • 通过量子动力学进行多流形学习

    利用图嵌入的量子动力学模拟算法计算采样流形上的测地线，并揭示了数据采样和量子化之间的有趣关系。

    Dec, 2021

  • 面向几何感知的领域自适应方法用于词嵌入无监督对齐

    提出了一种基于流形的几何学方法，用于学习源语言和目标语言之间的无监督对齐单词嵌入。该方法将对齐学习问题进行了公式化，并将其视为具有两倍随机矩阵的流形上的域自适应问题。实验表明，该方法在多种语言对的双语词汇识别任务上优于现有的最优传输方法，尤其对于远程语言对的性能改进更为显著。

    Apr, 2020