.png){kind=icon}
返回
Visualized correlation and distance preserving dimensionality reduction method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.chemolab.2025.105406.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大量现有的降维方法旨在保留数据的某些属性，但这些方法无法考虑标签信息。为使降维后的低维坐标作为模型更新时序判断的工具，浓度信息应被纳入降维过程中，该方法被提出并命名为Visualized Correlation and Distance Preserving降维方法。为解决二维坐标与一维标签相关性计算的困难，分别在子空间和标签空间计算成对距离矩阵，并提取这些矩阵的严格下三角部分按列优先顺序向量化，得到两个向量以便计算相关性。距离保持项被包含为子目标函数，以确保高低坐标之间的低距离差异。为减少顺序降维方法造成的结构损失，投影矩阵被拼接成向量后进行优化，以确保投影向量同步优化。PCA变换被继续用于调整降维后的坐标，使其更适合视觉判断。
Keyword:
Visualized dimensionality reduction
Combined objective function
Pairwise distance correlation
Synchronously optimized vectors
期刊
IF:
3.8
论文数:
4.6K
被引数:
1.2W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容