一种利用极限学习机的数据可视化方法
【出 处】:
【作 者】:
陈文兵
宋玛君
王廷春
南京信息工程大学数学与统计学院
江苏南京210044
【摘 要】提出一种利用极限学习机ELM的数据可视化方法,该方法利用多维尺度分析MDS、Pearson相关性、Spearman相关性代替常用的均方误差MSE实现高维数据投影到2-维平面的数据可视化。将所提方法与近期流行的随机邻域嵌入SNE及其改进的t-SNE方法对比,并通过局部连续元准则LCMC进行质量评测。结果表明:该方法的数据可视化结果及计算性能明显优于SNE及t-SNE方法;而在提出的三种学习规则中,基于MDS的学习规则效果最好。
相关热词搜索: 数据可视化 ELM MDS Pearson相关性 Spearman相关性
上一篇:基于奇异谱分析的经验模态分解去噪方法
下一篇:基于概率的无监督缺陷预测方法