实体
SMACOF
SMACOF
PulseAugur coverage of SMACOF — every cluster mentioning SMACOF across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的rcMDS技术改进了异质性数据分析
研究人员推出了一种名为鲁棒条件多维缩放（rcMDS）的新技术，旨在提高处理异质性数据时条件降维（cDR）的准确性。标准的cDR方法，如条件多维缩放（cMDS），可能对数据中的异常值过于敏感，导致结果失真。提出的rcMDS通过采用公平M估计目标函数，而非典型的平方应力公式，来解决这个问题。已开发出一种重加权条件SMACOF算法来优化这个新目标函数，确保目标值稳定且单调递减。
-
新方法利用随机优化连接图绘制与降维
研究人员开发了一种新方法，通过为向量数据嵌入调整随机梯度下降，从而连接了图绘制和降维技术。该方法被实现为一个与scikit-learn兼容的估计器，旨在通过局部的成对更新来最小化全局应力。实验表明，与传统的SMACOF算法相比，这种随机求解器收敛速度显著更快，同时在高维基准测试中实现了相似或更好的应力降低。