内禀维数与微分熵的偏差校正估计量——一种视觉多尺度方法
机器学习
2020-05-01 v1 计算机视觉与模式识别
信息论
机器学习
信号处理
math.IT
摘要
本文研究内禀维数和微分熵估计量，包括它们的系统偏差。提出了一种对这两个基本度量进行联合估计与偏差校正的实用方法。突出了两个估计量上的共享步骤，以及它们对数据分析的有益结果。表明两个估计量可以是一个单一方法的互补部分，且微分熵与内禀维数的同时估计赋予彼此意义，其中不同观测尺度下的估计传达了底层流形的不同视角。使用合成与真实数据集的实验展示了如何从视觉检查中提取意义，以及如何补偿偏差。
引用
@article{arxiv.2004.14528,
title = {Bias-corrected estimator for intrinsic dimension and differential entropy--a visual multiscale approach},
author = {Jugurta Montalvão and Jânio Canuto and Luiz Miranda},
journal= {arXiv preprint arXiv:2004.14528},
year = {2020}
}
备注
10 pages, 11 figures