多维尺度分变换(mds).pptVIP

* Laplacian Eigenmap实验结果(1) * 300 most frequent words of the Brown corpus represented in the spectral domain Laplacian Eigenmap实验结果(2) * Laplacian Eigenmap实验结果(2) The first is exclusively infinitives of verbs, the second contains prepositions and the third mostly modal and auxiliary verbs. We see that syntactic structure is well-preserved. * 代表性算法-3 LE (Laplacian Eigenmap) 优点 算法是局部非线性方法，与谱图理论有很紧密的联系. 算法通过求解稀疏矩阵的特征值问题解析地求出整体最优解，效率非常高 算法使原空间中离得很近的点在低维空间也离得很近, 可以用于聚类 缺点 同样对算法参数和数据采样密度较敏感 不能有效保持流形的全局几何结构 * 提纲 研究背景 基本知识介绍 经典方法概览 总结讨论 * 经典方法小结 优点 非参数：不需要对流形的很多参数作假设 非线性：基于流形内在几何结构，体现现实数据的本质 求解简单：转化