ESCALONAMENTO MULTIDIMENSIONAL LOCAL: UMA ABORDAGEM VIA SUAVIZAÇÃO HIPERBÓLICA

Vinícius Layter Xavier, Nelson Maculan, Jos F. M. Pessanha, Marcello Montillo Provenza
{"title":"ESCALONAMENTO MULTIDIMENSIONAL LOCAL: UMA ABORDAGEM VIA SUAVIZAÇÃO HIPERBÓLICA","authors":"Vinícius Layter Xavier, Nelson Maculan, Jos F. M. Pessanha, Marcello Montillo Provenza","doi":"10.12957/CADEST.2018.36483","DOIUrl":null,"url":null,"abstract":"Este artigo apresenta uma nova abordagem para o método Escalonamento Multidimensional Local. Este método de redução de dimensionalidade é da classe de escalonamento multidimensional métrico e possui a característica de ser não diferenciável. Com o emprego da suavização hiperbólica é proposta uma formulação suavizada e um novo algoritmo. Resultados computacionais obtidos na resolução de problemas teste clássicos são apresentados e mostram a eficácia da proposta em comparação com os disponíveis na literatura.Palavras-chave: Local MDS; Redução de Dimemsionalidade; Estatística Multivariada; Programa R.","PeriodicalId":30267,"journal":{"name":"Cadernos do IME Serie Estatistica","volume":"45 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2018-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Cadernos do IME Serie Estatistica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.12957/CADEST.2018.36483","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Este artigo apresenta uma nova abordagem para o método Escalonamento Multidimensional Local. Este método de redução de dimensionalidade é da classe de escalonamento multidimensional métrico e possui a característica de ser não diferenciável. Com o emprego da suavização hiperbólica é proposta uma formulação suavizada e um novo algoritmo. Resultados computacionais obtidos na resolução de problemas teste clássicos são apresentados e mostram a eficácia da proposta em comparação com os disponíveis na literatura.Palavras-chave: Local MDS; Redução de Dimemsionalidade; Estatística Multivariada; Programa R.
局部多维缩放:双曲平滑方法
本文提出了一种新的局部多维缩放方法。这种降维方法属于度量多维尺度类,具有不可微的特点。利用双曲平滑,提出了一种平滑公式和一种新的算法。给出了求解经典测试问题的计算结果,与文献相比,证明了该方法的有效性。关键词:本地MDS;减小扩散率;多变量统计;节目R。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
3
审稿时长
8 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信