• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Mexican conference on pattern Recognition >Genetic Algorithm for Multidimensional Scaling over Mixed and Incomplete Data
【24h】

Genetic Algorithm for Multidimensional Scaling over Mixed and Incomplete Data

机译：混合和不完整数据多维缩放的遗传算法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Multidimensional scaling maps a set of n-dimensional objects into a lower-dimension space, usually the Euclidean plane, preserving the distances among objects in the original space. Most algorithms for multidimensional scaling have been designed to work on numerical data, but in soft sciences, it is common that objects are described using quantitative and qualitative attributes, even with some missing values. For this reason, in this paper we propose a genetic algorithm especially designed for multidimensional scaling over mixed and incomplete data. Some experiments using datasets from the UCI repository, and a comparison against a common algorithm for multidimensional scaling, shows the behavior of our proposal.
机译：多维比例缩放将一组n维对象映射到一个较低维的空间（通常是欧几里得平面），从而保留了原始空间中对象之间的距离。大多数用于多维缩放的算法都已设计为可用于数值数据，但在软科学中，通常使用定量和定性属性（即使缺少一些值）来描述对象。因此，本文提出了一种遗传算法，专门针对混合和不完整数据的多维缩放而设计。使用UCI存储库中的数据集进行的一些实验，以及与用于多维缩放的通用算法的比较显示了我们建议的行为。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号