Resumen

Este documento propone un nuevo marco de algoritmo de reducción de dimensiones basado en variedades. Puede abordar el problema de reducción de dimensiones de datos con ruido y proporcionar los resultados de reducción de dimensiones con los valores de desviación causados por la interferencia del ruido. Los métodos comúnmente utilizados de aprendizaje de variedades son sensibles al ruido en los datos. El cálculo de la media, un método de desruido, es un paso importante en la preprocesamiento de datos pero conduce a una pérdida de información estructural local. Además, es difícil medir la precisión de la reducción de dimensiones de datos ruidosos. Por lo tanto, los métodos de aprendizaje de variedades a menudo transforman los datos en una estructura de variedad aproximadamente suave; sin embargo, los datos prácticos del mundo físico pueden no cumplir con los requisitos. El marco propuesto sigue la idea de la localización de variedades y utiliza el muestreo de grafos para determinar algunos puntos de anclaje locales a partir de los datos dados. Posteriormente

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Marco propuesto; Reducción de dimensiones basada en variedades; Interferencia de ruido; Preprocesamiento de datos; Información estructural local; Muestreo de gráficos
• Keywords:Proposed framework; Manifold-based dimension reduction; Noise interference; Data preprocessing; Local structural information; Graph sampling