基于MLE与流形学习的数据可视化方法.pdf

201 第37卷第1期 计算机工程 1年1月 2011 V01．37 NO．1 ComputerEngineering January 文献标识码tA TP311 ·博士论文· 文章编号。l∞o—3428(20llJol—伽删—03 中圈分类号l 基于MLE与流形学习的数据可视化方法 邹健L2，刘传才1 (1．南京理工大学计算机学院，南京210094；2．安徽】：程大学应用数理学院，安徽芜湖241000) 囊要：在一个给定的样本空间划分下，每个数据集是一个潜在的多项分布的抽样假设。通过对模型参数的最大似然估计，数据集的潜在 分布近似于一个离散化的经验分布。根据推广的多项分布族的Fisher度量，潜在分布的信息差异可近似为经验分布间的差异，为肇于MLE 嵌入得到的信息流形上非监督学习创造了条件。当约简窄间的维数为2或3时，原数据集之间的自然可分性可通过降维数据展现出来。实 验结果表明，该方法能应用到大样本数据集或彩色图像等高维结构化数据的可视化。 关奠司：多项分布；最大似然估计；流形学习；数据町视化 DataVisualizationMethodBasedonMLEandManifold ZoUJian“．LIUChuan-cail ofScienceand University 210094．China； (1．CollegeofComputer,Nanjing Technology,Nanjing 2．School Mathematicsand ofApplied Physics。AnhuiPolytechnicUniversity,Wuhu241000，China) Themethod data isstemmedfromthe thateach setisa realizationofan multinomialdistribution IAbstractl assumption probabilistic underlying undera on theMLEofmodel distributionofadatasetcanbe adiscretized partitionsample space．With parameters，theunderlying approximatedby distribution．Withthe Fishermetriconmultinomialmanifoldwith informationbetween probability generalized boundary，the divergenceunderlying modelscallbe the betweenestimated the elementfor approximated distrib