基于多点 Morisita 指数的内蕴维度新估计量
数据分析、统计与概率
2015-05-07 v7
摘要
数据集的规模在变量数量和事件数量两方面都在迅速增长。因此，空白空间现象和维数灾难使得有用信息的提取变得复杂。然而，一般而言，数据位于非线性流形上，其维度远低于它们所嵌入空间的维度。在许多模式识别任务中，学习这些流形是一个关键问题，这需要知道它们真实的内蕴维度。本文介绍了一种基于多点 Morisita 指数的内蕴维度新估计量。该方法被应用于具有不同复杂度的合成数据集和真实数据集，并与其他现有估计量进行了比较。结果表明，所提出的估计量对样本大小和噪声具有相当强的鲁棒性，不受边缘效应影响，能够处理大型数据集且计算效率高。
引用
@article{arxiv.1408.0369,
title = {A New Estimator of Intrinsic Dimension Based on the Multipoint Morisita Index},
author = {Jean Golay and Mikhail Kanevski},
journal= {arXiv preprint arXiv:1408.0369},
year = {2015}
}