論文の概要: Mode and Ridge Estimation in Euclidean and Directional Product Spaces: A Mean Shift Approach

• arxiv url: http://arxiv.org/abs/2110.08505v2
• Date: Fri, 02 May 2025 01:48:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:19.57279
• Title: Mode and Ridge Estimation in Euclidean and Directional Product Spaces: A Mean Shift Approach
• Title（参考訳）: ユークリッドおよび指向性製品空間におけるモードとリッジの推定:平均シフトアプローチ
• Authors: Yikun Zhang, Yen-Chi Chen,
• Abstract要約: 局所モードと密度リッジはデータ生成分布の重要な要約特性である。 本研究では,2つ以上のユークリッドおよび/または方向距離空間を組み合わせた製品空間における点クラウドデータから局所モードと密度リッジを推定することに焦点を当てる。
• 参考スコア（独自算出の注目度）: 5.151880096713011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The set of local modes and density ridge lines are important summary characteristics of the data-generating distribution. In this work, we focus on estimating local modes and density ridges from point cloud data in a product space combining two or more Euclidean and/or directional metric spaces. Specifically, our approach extends the (subspace constrained) mean shift algorithm to such product spaces, addressing potential challenges in the generalization process. We establish the algorithmic convergence of the proposed methods, along with practical implementation guidelines. Experiments on simulated and real-world datasets demonstrate the effectiveness of our proposed methods.
• Abstract（参考訳）: 局所モードと密度リッジラインの集合は,データ生成分布の重要な要約特性である。 本研究では,2つ以上のユークリッドおよび/または方向距離空間を組み合わせた製品空間における点クラウドデータから局所モードと密度リッジを推定することに焦点を当てる。 具体的には、一般化過程における潜在的な課題に対処するため、(部分空間制約付き)平均シフトアルゴリズムをそのような積空間に拡張する。 提案手法のアルゴリズム収束と実践的実装ガイドラインを確立する。 シミュレーションおよび実世界のデータセットを用いた実験により,提案手法の有効性が示された。

関連論文リスト

• (Deep) Generative Geodesics [57.635187092922976]
  2つのデータポイント間の類似性を評価するために,新しい測定基準を導入する。 我々の計量は、生成距離と生成測地学の概念的定義に繋がる。 彼らの近似は、穏やかな条件下で真の値に収束することが証明されている。
  論文  参考訳（メタデータ） (2024-07-15T21:14:02Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model [13.082805815235975]
  行列データに対して行次元と列次元の両方に隠れたバリエーションを抽出するために,モードワイド・プリンシパル・サブスペース・スーツ (MOP-UP) と呼ばれる新しいフレームワークを導入する。 提案フレームワークの有効性と実用性は、シミュレーションと実データの両方の実験を通して実証される。
  論文  参考訳（メタデータ） (2023-07-02T13:59:47Z)
• Intrinsic dimension estimation for discrete metrics [65.5438227932088]
  本稿では,離散空間に埋め込まれたデータセットの内在次元(ID)を推定するアルゴリズムを提案する。 我々は,その精度をベンチマークデータセットで示すとともに,種鑑定のためのメダゲノミクスデータセットの分析に応用する。 このことは、列の空間の高次元性にもかかわらず、蒸発圧が低次元多様体に作用することを示唆している。
  論文  参考訳（メタデータ） (2022-07-20T06:38:36Z)
• BikNN: Anomaly Estimation in Bilateral Domains with k-Nearest Neighbors [1.2183405753834562]
  本論文では異常推定のための新しい枠組みを提案する。 空間領域と密度領域の両方における異常の程度を推定する。 本手法は,空間領域と密度領域の両方を考慮に入れ,数個のパラメータを手動で調整することで異なるデータセットに適用できる。
  論文  参考訳（メタデータ） (2021-05-11T13:45:29Z)
• Tensor Laplacian Regularized Low-Rank Representation for Non-uniformly Distributed Data Subspace Clustering [2.578242050187029]
  低ランク表現(LRR)は、サブスペースクラスタリングにおけるデータポイントの局所性情報を破棄する。 本稿では,隣接ノードの変動数を容易にし,データの局所性情報を組み込むハイパーグラフモデルを提案する。 人工および実データを用いた実験により,提案手法の精度と精度が向上した。
  論文  参考訳（メタデータ） (2021-03-06T08:22:24Z)
• Kernel Smoothing, Mean Shift, and Their Learning Theory with Directional Data [2.8935588665357077]
  本稿では,方向データに対するカーネル平滑化の統計的および計算的問題について検討する。 我々は、古典平均シフトアルゴリズムを指向性データに一般化し、指向性カーネル密度推定器(KDE)の局所モードを同定する。
  論文  参考訳（メタデータ） (2020-10-23T01:53:47Z)
• Improving Generative Adversarial Networks with Local Coordinate Coding [150.24880482480455]
  GAN(Generative Adversarial Network)は、事前定義された事前分布から現実的なデータを生成することに成功している。 実際には、意味情報はデータから学んだ潜在的な分布によって表現される。 ローカル座標符号化(LCC)を用いたLCCGANモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-28T09:17:50Z)
• Random extrapolation for primal-dual coordinate descent [61.55967255151027]
  本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。 一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
  論文  参考訳（メタデータ） (2020-07-13T17:39:35Z)
• Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
  TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。 前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
  論文  参考訳（メタデータ） (2020-05-19T05:54:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。