会员服务
Locally linear embedding（LLE) 是一种非线性降维算法，它能够使降维后的数据较好地保持原有流形结构。LLE可以说是流形学习方法最经典的工作之一。很多后续的流形学习、降维方法都与LLE有密切联系。
Towards Spectral Convergence of Locally Linear Embedding on Manifolds with Boundary
Arxiv
0+阅读 · 1月16日
SLLEN: Semantic-aware Low-light Image Enhancement Network
Arxiv
0+阅读 · 2024年10月21日
Transparency evaluation for the Kinematic Design of the Harnesses through Human-Exoskeleton Interaction Modeling
Arxiv
0+阅读 · 2024年9月27日
HARMONIC: Harnessing LLMs for Tabular Data Synthesis and Privacy Protection
Arxiv
0+阅读 · 2024年8月6日
When Locally Linear Embedding Hits Boundary
Arxiv
0+阅读 · 2024年6月26日
Boundary Detection Algorithm Inspired by Locally Linear Embedding
Arxiv
0+阅读 · 2024年6月26日
Relating tSNE and UMAP to Classical Dimensionality Reduction
Arxiv
0+阅读 · 2024年6月14日
Robustness of graph embedding methods for community detection
Robustness of graph embedding methods for community detection
Arxiv
0+阅读 · 2024年5月1日
Seeing Text in the Dark: Algorithm and Benchmark
Arxiv
0+阅读 · 2024年4月24日
Seeing Text in the Dark: Algorithm and Benchmark
Arxiv
0+阅读 · 2024年4月22日
Tangling-Untangling Cycle for Efficient Learning
Arxiv
0+阅读 · 2024年4月8日
Laser Learning Environment: A new environment for coordination-critical multi-agent tasks
Arxiv
0+阅读 · 2024年4月4日
Seeing Text in the Dark: Algorithm and Benchmark
Arxiv
0+阅读 · 2024年4月13日
Scalable manifold learning by uniform landmark sampling and constrained locally linear embedding
Arxiv
0+阅读 · 2024年1月5日
Scalable manifold learning by uniform landmark sampling and constrained locally linear embedding
Arxiv
0+阅读 · 2024年1月2日
参考链接
父主题
数据降维
微信扫码咨询专知VIP会员
Top