欧氏与方向乘积空间中的模式与脊线估计：一种均值漂移方法
机器学习
2025-05-13 v2 机器学习
统计方法学
摘要
局部模式集合与密度脊线数据是数据生成分布的重要概括特征。在这项工作中，我们专注于从结合两个或多个欧氏和/或方向度量空间的乘积空间中的点云数据估计局部模式和密度脊线。具体而言，我们的方法将(子空间约束)均值漂移算法扩展到此类乘积空间，解决推广过程中潜在的挑战。我们建立了所提方法的算法收敛性，并给出实际实现指南。在模拟和真实世界数据集上的实验证明了我们提出方法的有效性。
引用
@article{arxiv.2110.08505,
title = {Mode and Ridge Estimation in Euclidean and Directional Product Spaces: A Mean Shift Approach},
author = {Yikun Zhang and Yen-Chi Chen},
journal= {arXiv preprint arXiv:2110.08505},
year = {2025}
}
备注
72 pages (22 pages for the main paper), 10 figures, 5 tables. To appear in the Journal of Computational and Graphical Statistics