通过模型复杂度选择进行主流形估计
统计方法学
2021-03-30 v6
摘要
我们提出一个主流形框架来建模高维数据。该框架基于 Sobolev 空间，旨在对任意内蕴维数的数据建模。它将主成分分析和主曲线算法作为特例包含在内。我们提出一种新颖的模型复杂度选择方法，以避免过拟合、消除离群点影响并提升计算速度。此外，我们提出一种识别类圆曲线以及类圆柱/球面的内部的方法。所提方法通过模拟与现有方法进行比较，并应用于一项肺癌研究中肿瘤表面与内部的估计。
引用
@article{arxiv.1711.06746,
title = {Principal manifold estimation via model complexity selection},
author = {Kun Meng and Ani Eloyan},
journal= {arXiv preprint arXiv:1711.06746},
year = {2021}
}
备注
40 pages, 9 figures