一种新的流形学习嵌入质量评估方法
计算机视觉与模式识别
2011-08-09 v1 机器学习
摘要
流形学习是计算机科学领域的一个热门研究课题。当前流形学习方法的一个关键问题是缺乏一种自然的定量度量来评估所学嵌入的质量，这极大地限制了它们在实际问题中的应用。本文提出了一种新的流形学习嵌入质量评估方法，称为归一化无关嵌入质量评估（NIEQA）。与仅限于等距嵌入的现有评估方法相比，NIEQA方法由于两个特点而具有大得多的应用范围。首先，它基于一种能有效评估局部邻域几何在归一化下保持程度的新度量，因此可同时应用于等距嵌入和归一化嵌入。其次，它能提供局部和全局评估，以输出一个整体评价。因此，NIEQA可以作为流形学习中模型选择与评估任务的一个自然工具。在基准数据集上的实验结果验证了所提方法的有效性。
引用
@article{arxiv.1108.1636,
title = {A new embedding quality assessment method for manifold learning},
author = {Peng Zhang and Yuanyuan Ren and Bo Zhang},
journal= {arXiv preprint arXiv:1108.1636},
year = {2011}
}
备注
16 pages, 8 figures, 3 tables