...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Neural Networks >Visualization and self-organization of multidimensional data through equalized orthogonal mapping
【24h】

Visualization and self-organization of multidimensional data through equalized orthogonal mapping

机译：通过均衡正交映射实现多维数据的可视化和自组织

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

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

摘要

An approach to dimension-reduction mapping of multidimensional pattern data is presented. The motivation for this work is to provide a computationally efficient method for visualizing large bodies of complex multidimensional data as a relatively "topologically correct" lower dimensional approximation. Examples of the use of this approach in obtaining meaningful two-dimensional (2-D) maps and comparisons with those obtained by the self-organizing map (SOM) and the neural-net implementation of Sammon's approach are also presented and discussed. In this method, the mapping equalizes and orthogonalizes the lower dimensional outputs by reducing the covariance matrix of the outputs to the form of a constant times the identity matrix. This new method is computationally efficient and "topologically correct" in interesting and useful ways.
机译：提出了一种多维图案数据降维映射方法。这项工作的动机是提供一种计算有效的方法，以可视化大型多维多维数据集作为相对“拓扑正确”的较低维近似值。还介绍并讨论了使用这种方法获得有意义的二维（2-D）映射以及与自组织映射（SOM）和Sammon方法的神经网络实现方法进行比较的示例。在这种方法中，映射通过将输出的协方差矩阵减小为恒数乘以单位矩阵的形式来均衡和正交化低维输出。这种新方法在计算上很有效，并且以有趣且有用的方式“在拓扑上正确”。

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