.png){kind=icon}
返回
Variance-Based Pivot Selection for Metric Spaces
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-06069-3_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为度量空间数据处理的基本问题，枢轴选择为给定的度量空间确定枢轴或参考点，以便每个数据元素可以通过其到枢轴的距离来表示。通常，人们首先估计数据的内在维度并将其用作枢轴的数量，然后根据某些启发式方法选择枢轴。现有估计内在维度的方法通常不准确或不稳定。我们提出了一种基于方差的思路，利用特定方差相关统计序列中肘点的位置来估计内在维度。此外，我们提出在通过Gram-Schmidt正交化消除与其他枢轴的协方差后，增量选择与其他数据具有最大方差的下一个枢轴。在综合数据集上的实验结果表明，我们的方法能够准确且稳定地估计内在维度。此外，我们的枢轴选择算法在几乎所有情况下均显著优于典型的现有算法，可将范围查询的距离计算次数最多减少70%。而现有最佳算法因数据集不同而异，我们的算法平均优于现有最佳算法约10%。
Keyword:
Pivot selection
Intrinsic dimension estimation
Variance-based
Metric space
Similarity search
期刊
S
IF:
0
论文数:
38
被引数:
0
机构
引用论文
On the Frequency Distribution of the Means of Samples from a Population Having any Law of Frequency with Finite Moments, with Special Reference to Pearson's Type II.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏分享收藏
查看更多内容