基于两阶段优化的均匀流形近似
机器学习
2023-01-03 v2
摘要
我们提出基于两阶段优化的均匀流形近似（UMATO），一种改进 UMAP 以更准确捕捉高维数据全局结构的降维（DR）技术。在 UMATO 中，优化分为两阶段，使得所得嵌入能可靠刻画全局结构，同时以足够精度保留局部结构。第一阶段，识别枢纽点并投影以构建全局结构的骨架布局。第二阶段，将剩余点加入嵌入，保留局部区域的区域特征。通过定量实验，我们发现 UMATO（1）在保留全局结构上优于广泛使用的降维技术，同时（2）在表示局部结构上具有竞争精度。我们还验证了 UMATO 在不同初始化方法、训练轮数和子采样技术下在鲁棒性方面更优。
引用
@article{arxiv.2205.00420,
title = {Uniform Manifold Approximation with Two-phase Optimization},
author = {Hyeon Jeon and Hyung-Kwon Ko and Soohyun Lee and Jaemin Jo and Jinwook Seo},
journal= {arXiv preprint arXiv:2205.00420},
year = {2023}
}
备注
IEEE VIS 2022. Hyeon Jeon and Hyung-Kwon Ko equally contributed to this work