LAAT：用于发现密度各异的多个微弱低维结构的局部对齐蚁群技术
机器学习
2022-06-14 v2 机器学习
摘要
降维与聚类常作为许多复杂机器学习任务的预处理步骤。噪声与离群点的存在会恶化此类预处理性能，从而极大损害后续分析。在流形学习中，若干研究给出了在密度显著高于噪声所呈现密度时去除背景噪声或结构附近噪声的方案。然而，在包括天文数据集在内的许多应用中，密度随埋藏于噪声背景中的流形一同变化。我们提出一种基于蚁群优化思想的新型方法，用于在噪声存在下提取流形。与现有的随机游走方案不同，我们的技术捕获与流形主方向局部对齐的点。此外，我们通过实验表明，受生物启发的蚁群信息素表述强化了该行为，使其能从极度噪声的数据云中恢复多个流形。该算法在多个合成与真实数据集（包括宇宙学体积的 N 体模拟）上，相较于流形检测与聚类中用于降噪的最先进方法，展示了性能。
引用
@article{arxiv.2009.08326,
title = {LAAT: Locally Aligned Ant Technique for discovering multiple faint low dimensional structures of varying density},
author = {Abolfazl Taghribi and Kerstin Bunte and Rory Smith and Jihye Shin and Michele Mastropietro and Reynier F. Peletier and Peter Tino},
journal= {arXiv preprint arXiv:2009.08326},
year = {2022}
}
备注
Accepted for publication by IEEE Transactions on Knowledge and Data Engineering