计算机科学 ›› 2008, Vol. 35 ›› Issue (1): 190-192.
• • 上一篇 下一篇
魏莱 王守觉 徐菲菲
出版日期:
发布日期:
基金资助:
WEI Lai WANG Shou-Jue XU Fei-Fei （Department of Computer Science and Technology, Tongji University, Shanghai 201804）
Online:
Published:
摘要： 大量的高维数据在分布上表现为一低维流形，试图从这样的数据集中探测出奇异点，传统的奇异点挖掘算法可能失效。本文提出了一种带权重的多维尺度变化，算法通过局部的高维数据集和其低维重构的误差来设定数据点；露的局部权重，再利用权重之和得到的数据点置信度，以此来进行奇异值的判定。通过实验验证了算法的有效性。
关键词: 奇异值 多维尺度变换 带权多维尺度变换 流形学习
Abstract: Mining outliers from the data set which is distributed on a low dimensional manifold is a hard task. The existing algorithm may not be effective for the situation. So a novel approach called weighted multidimensionality scaling is proposed for outliers mi
Key words: Outliers, MDS, Weighted MDS, Manifold learning
魏莱 王守觉 徐菲菲. 基于带权多维尺度变换的奇异值挖掘[J]. 计算机科学, 2008, 35(1): 190-192. https://doi.org/
WEI Lai WANG Shou-Jue XU Fei-Fei （Department of Computer Science and Technology, Tongji University, Shanghai 201804）. [J]. Computer Science, 2008, 35(1): 190-192. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2008/V35/I1/190
Cited
首页