拉普拉斯特征映射 是用局部的角度去构建数据之间的关系。如果两个数据实例i和j很相似,那么i和j在降维后目标子空间中应该尽量接近。它的直观思想是希望相互间有关系的点(在图中相连的点)在降维后的空间中尽可能的靠近。Laplacian Eigenmaps可以反映出数据内在的流形结构。
  1. 为什么说LE(拉普拉斯特征映射)是非线性的,而LPP...
  2. A Brief Summary of Dimensionality Reduction | Hao's Blog
  3. Discussion of “Spectral Dimensionality Reduction via...”
  4. Matlab Toolbox for Dimensionality Reduction – Laurens van...
  5. 求简要介绍一下流形学习的基本思想? - 知乎
  6. 178 iccv-2013-From Semi-supervised to Transfer Counting of...
  7. Name: Kushal Arora
  8. 153 nips-2007-People Tracking with the Laplacian...
  9. Afnity Measures based on the Graph Laplacian
  10. BibSLEIGH — laplacian stem
  11. Spectral Methods | Laplacian Eigenmaps
  12. t-SNE Initialization Options
  13. BibSLEIGH — eigenmap stem
  14. LaplacianEigenmap
  15. 李宏毅机器学习2016...
  16. zhihu.com/lives
  17. zhihu.com/question/36151980
  18. 最大熵模型 - tracholar's personal knowledge wiki
  19. Sift : Scale Space
  20. 学习复变函数与积分变换有什么用途? - 知乎
展开全文
参考链接
父主题
微信扫码咨询专知VIP会员