Mar, 2024

利用类别和特征质心增强降维散点图

PDF
TL;DR通过使用由降维得到的 x 和 y 坐标来计算类别质心和特征质心并将其叠加在散点图上，本研究解决了将 x 和 y 轴的含义解释复杂性的问题，展示了这种方法在三种神经遗传疾病表型数据中的应用及类别质心和特征质心的添加如何增加散点图的可解释性。
发现论文，激发创造
  • DeepView: 使用判别性降维将深度神经网络分类边界可视化为散点图

    本文提出利用区分维度约简的二维可视化方法将深度神经网络决策函数的一部分以及数据集的一部分可视化，从而检测模型对数据的不同属性（如异常值、对抗样本或毒瘤数据）的处理方式，该方法与现有文献中的解释方法互补，更有应用前景。

    Sep, 2019

  • 学习增强的降维 K 均值聚类

    使用主成分分析（PCA）降低数据集的维度，提高 k-means 算法在特定质心下的预测性能和降低成本。

    Jan, 2024

  • 基于类别约束的 t-SNE：结合数据特征和类别概率

    通过结合数据特征和类别概率的 class-constrained t-SNE 方法，可以在同一个降维结果中平衡两种视角，并通过交互式参数调整实现平滑的视角过渡，从而提高模型评估和视觉交互标注的应用潜力。

    Aug, 2023

  • 线性降维：调查、见解和概括

    本文综述了一些线性降维方法，以及它们如何作为矩阵流形优化问题进行求解，并提出了一种基于正交投影的典型相关分析方法，这种优化框架使得线性降维成为了一种面向各种数据类型的黑盒子数值技术。

    Jun, 2014

  • 聚类分析中的形状复杂性

    利用多维数据的形状复杂度概念，应用在特定的非线性函数上，制定了一种新的 “中等距离” 下的基于约束的非线性规划问题，从而探索更有效的聚类缩放因子数量的方法。

    May, 2022

  • 大规模评估主题模型和降维方法在二维文本空间化中的应用

    基于主题模型和降维的大规模基于基准的计算方法有效地设计文本空间化，t-SNE 在降维中的适用性得到验证。

    Jul, 2023

  • 从隐藏特征中学习：联合因子分析与潜在聚类

    本文提出了一种联合因子分析和潜在聚类的框架，旨在学习矩阵和张量数据的聚类感知低维表示。该方法利用矩阵和张量分解模型来揭示潜在聚类结构，并通过潜在聚类结构作为先验信息来提高因子分解的性能。

    May, 2016

  • 降维技术综述

    研究试验生命科学数据分析中的维度缩减技术及其数学原理。

    Mar, 2014

  • 基于数据分布的图像聚类算法

    通过使用大数定律重新衍生出的 “对比损失”，我们将其重新解读为一种 “福音”，这种现象使得分布的实例集中在一个狭窄的 “超壳” 上，从而实现数据点的聚类，并且能够从未组织的数据中寻找模式。

    Apr, 2018

  • 通过鲁棒性选择特征以应对维度灾难

    提出了一种新方法，该方法根据内在维度的计算，选择可区分数据子集的特征，有助于降低高维度和特征选择的困扰。实验证明该方法优于传统方法，并可在含数百万个数据点的数据集上应用。

    Apr, 2023