最大协方差展开回归：一种面向点云数据基于协变量的流形学习新方法
机器学习
2023-04-03 v1 计算机视觉与模式识别
摘要
点云数据广泛用于制造过程中的工艺检测、建模、监控与优化。最先进的张量回归技术已有效用于结构化点云数据分析，其中均匀网格上的测量可形成张量。然而，这些技术无法处理常以流形形式存在的非结构化点云数据。本文提出一种名为最大协方差展开回归的非线性降维方法，能够学习点云与解释性协变量具有最高相关性的低维（LD）流形。该低维流形随后用于基于工艺变量的回归建模与工艺优化。所提方法的性能随后通过仿真与钢支架制造案例研究进行了评估，并与基准方法比较。
引用
@article{arxiv.2303.17852,
title = {Maximum Covariance Unfolding Regression: A Novel Covariate-based Manifold Learning Approach for Point Cloud Data},
author = {Qian Wang and Kamran Paynabar},
journal= {arXiv preprint arXiv:2303.17852},
year = {2023}
}