用于对齐分布数据的正则化 Wasserstein 均值
机器学习
2020-02-24 v2 机器学习
摘要
我们提出从 Wasserstein 均值的角度对齐分布数据。我们提出正则化 Wasserstein 均值的问题，并给出若干专为应对不同问题而设计的项。我们的公式基于变分传输，将稀疏离散测度分布到目标域中。所得的稀疏表示在降低映射成本的同时很好地捕捉了目标域的期望性质。我们通过域适应、点集配准和骨架布局中的实例展示了我们方法的可扩展性与鲁棒性。
引用
@article{arxiv.1812.00338,
title = {Regularized Wasserstein Means for Aligning Distributional Data},
author = {Liang Mi and Wen Zhang and Yalin Wang},
journal= {arXiv preprint arXiv:1812.00338},
year = {2020}
}