高次元データ解析

Kirjaudu sisään

näkemys - 高次元データ解析

TopoMap++は、高次元データの可視化と分析を効率的に行うことができる手法である。TopoMap++は、TopoMapの問題点を改善し、より効率的な空間利用と対話的な探索を可能にする。

バイナリデータの内在次元を正確かつ効率的に計算する新しい手法を提案する。形式概念分析の概念を測定ツールとして使用し、最小サポート値に基づいて内在次元の上限と下限を推定する。

本研究は、高次元テンソルデータの低ランク堅牢部分空間クラスタリングを提案し、地下鉄乗客流動モデリングに適用する。この手法は、次元削減、クラスタリング、異常検出を同時に実現する。

本論文では、高次元データ解析のための新しい転移学習手法CONCERTを提案する。CONCERTは、条件付きスパイクアンドスラブ事前分布を用いることで、ターゲットデータとソースデータの局所的な類似性を捉え、ロバストに情報を転移することができる。

提案手法featMAPは、高次元データの特徴情報を保持しながら、低次元埋め込み空間に写像することで、次元削減結果の解釈性を向上させる。

本論文では、エインシュタイン積を用いて、線形および非線形の次元削減手法を多次元データに拡張する新しい手法を提案する。これにより、データの本来の多次元構造を保持したまま次元削減を行うことができる。

Tietoja

Tuotteet

Resurssit