用于数据逼近的拓扑文法
神经与进化计算
2007-05-23 v2 机器学习
摘要
提出了一种用于多维数据逼近的{\it 拓扑文法}方法。对于具有复杂拓扑的数据,我们定义了一个低维且给定复杂度的{\it 主立方复形},它为数据集提供最佳逼近。该复形是线性和非线性主流形的推广,并将它们作为特例包含在内。最优主复形构造问题被转化为一系列二次泛函的最小化问题。这些二次泛函在弹性能量方面具有物理上清晰的解释。为了计算能量,整个复形被表示为节点和弹簧的系统。在拓扑上,主复形是一维连续统(由图表示)的乘积,文法描述了这些连续统在最优复形构造过程中如何变换。通过使用二次能量泛函的最小化将整个过程分解为一维变换,使我们能够构造高效的算法。
引用
@article{arxiv.cs/0603090,
title = {Topological Grammars for Data Approximation},
author = {A. N. Gorban and N. R. Sumner and A. Y. Zinovyev},
journal= {arXiv preprint arXiv:cs/0603090},
year = {2007}
}
备注
Corrected Journal version, Appl. Math. Lett., in press. 7 pgs., 2 figs