研究人员开发了一种新方法,可以从受到异质噪声破坏的高维数据中恢复原始的欧几里得几何结构。这种噪声会以不同的方式影响数据点,可能扭曲用于聚类、可视化和流形学习的几何表示。所提出的方法可以在不知道数据或噪声分布先验知识的情况下重建干净的成对距离,并提供概率保证。实验表明,该方法在合成数据上实现了准确重建,并在真实的单细胞RNA测序数据上提高了最近邻识别等任务的性能。 AI
影响 能够对嘈杂的数据集进行更鲁棒的下游分析,有可能提高单细胞生物学等领域的AI模型性能。
排序理由 详细介绍数据分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →