会员服务
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。
Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching
Arxiv
0+阅读 · 2024年7月26日
Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching
Arxiv
0+阅读 · 2024年2月27日
A kernel-based analysis of Laplacian Eigenmaps
Arxiv
0+阅读 · 2024年2月26日
Nonsmooth Nonparametric Regression via Fractional Laplacian Eigenmaps
Arxiv
0+阅读 · 2024年2月22日
Neural Eigenfunctions Are Structured Representation Learners
Arxiv
0+阅读 · 2023年12月8日
Efficiently Visualizing Large Graphs
Arxiv
0+阅读 · 2023年10月17日
Hypergraph Analysis Based on a Compatible Tensor Product Structure
Arxiv
0+阅读 · 2023年10月7日
Topological comparison of some dimension reduction methods using persistent homology on EEG data
Arxiv
0+阅读 · 2023年6月2日
Root Laplacian Eigenmaps with their application in spectral embedding
Arxiv
0+阅读 · 2023年2月6日
Fair and skill-diverse student group formation via constrained k-way graph partitioning
Arxiv
0+阅读 · 2023年1月12日
Linearization and Identification of Multiple-Attractor Dynamical Systems through Laplacian Eigenmaps
Arxiv
0+阅读 · 2022年11月22日
Attraction-Repulsion Spectrum in Neighbor Embeddings
Arxiv
0+阅读 · 2022年10月18日
Unsupervised Few-shot Learning via Deep Laplacian Eigenmaps
Arxiv
0+阅读 · 2022年10月7日
Laplacian-Based Dimensionality Reduction Including Spectral Clustering, Laplacian Eigenmap, Locality Preserving Projection, Graph Embedding, and Diffusion Map: Tutorial and Survey
Arxiv
0+阅读 · 2022年8月6日
Learning High Dimensional Demonstrations Using Laplacian Eigenmaps
Arxiv
0+阅读 · 2022年7月18日
参考链接
父主题
数据降维
微信扫码咨询专知VIP会员
Top