10.3969/j.issn.1000-3428.2011.01.002
基于MLE与流形学习的数据可视化方法
在一个给定的样本空间划分下,每个数据集是一个潜在的多项分布的抽样假设.通过对模型参数的最大似然估计,数据集的潜在分布近似于一个离散化的经验分布.根据推广的多项分布族的Fisher度量,潜在分布的信息差异可近似为经验分布间的差异,为基于MLE嵌入得到的信息流形上非监督学习创造了条件.当约简空间的维数为2或3时,原数据集之间的自然可分性可通过降维数据展现出来.实验结果表明,该方法能应用到大样本数据集或彩色图像等高维结构化数据的可视化.
多项分布、最大似然估计、流形学习、数据可视化
37
TP311(计算技术、计算机技术)
国家自然科学基金资助项目9082004;国家"863"计划基金资助项目2006AA04Z238;安徽自然科学基金资助项目KJ2007B056
2011-04-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
4-6