吸引-排斥群集：通过力归一化和可调相互作用实现t-SNE的广义框架

我们提出了一种基于吸引-排斥群集（ARS）动力学的新数据可视化方法，称之为ARS可视化。ARS是一个广义框架，其基础是将t分布随机邻域嵌入（t-SNE）可视化技术视为一个由吸引和排斥驱动的相互作用智能体群。受群集领域最新发展的启发，我们修改了t-SNE动力学，加入了按总影响力进行的归一化，从而得到了更适定的动力学，其中我们可以使用与数据大小无关的时间步长（$h=1$）和简单的迭代，而无需t-SNE中使用的各种优化技巧。ARS还具备分别调节吸引核和排斥核的能力，这使用户能够控制可视化中簇内的紧密度和簇间的间距。与t-SNE相比，我们提出的ARS数据可视化方法不是对Kullback-Leibler散度的梯度下降，而可以纯粹地视为一个由吸引力和排斥力驱动的相互作用粒子系统。我们提供了理论结果，阐述了相互作用核的选择如何影响动力学，并给出了实验结果来验证我们的方法，并在MNIST和Cifar-10数据集上与t-SNE进行了比较。