DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/9513

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
CruzVellidoIBERAMIA08print.pdf924,69 kBAdobe PDF Accés restringit

Citació: Cruz, R.; Vellido, A. Geodesic Generative Topographic Mapping. "Lecture notes in computer science", Octubre 2008, vol. 5290, p. 113-122.
Títol: Geodesic Generative Topographic Mapping
Autor: Cruz Barbosa, Raúl Veure Producció científica UPC; Vellido Alcacena, Alfredo Veure Producció científica UPC
Data: oct-2008
Tipus de document: Article
Resum: Nonlinear dimensionality reduction (NLDR) methods aim to provide a faithful low-dimensional representation of multivariate data. The manifold learning family of NLDR methods, in particular, do this by defining low-dimensional manifolds embedded in the observed data space. Generative Topographic Mapping (GTM) is one such manifold learning method for multivariate data clustering and visualization. The non-linearity of the mapping it generates makes it prone to trustworthiness and continuity errors that would reduce the faithfulness of the data representation, especially for datasets of convoluted geometry. In this study, the GTM is modified to prioritize neighbourhood relationships along the generated manifold. This is accomplished through penalizing divergences between the Euclidean distances from the data points to the model prototypes and the corresponding geodesic distances along the manifold. The resulting Geodesic GTM model is shown to improve not only the continuity and trustworthiness of the representation generated by the model, but also its resilience in the presence of noise.
ISSN: 0302-9743
URI: http://hdl.handle.net/2117/9513
Apareix a les col·leccions:SOCO - Soft Computing. Articles de revista
Departament de Ciències de la Computació. Articles de revista
Altres. Enviament des de DRAC
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius