محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
یادگیری ماشین 2013
جزئیات رویداد
همایش ، رویداد ، ژورنال
اینستاگرام تی پی بین
حوزه های تحت پوشش رویداد

  • visualizing non-metric similarities in multiple maps

    نویسندگان :
    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1161
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     techniques for multidimensional scaling visualize objects as points in a low-dimensional metric map. as a result, the visualizations are subject to the fundamental limitations of metric spaces. these limitations prevent multidimensional scaling from faithfully representing non-metric similarity data such as word associations or event co-occurrences. in particular, multidimensional scaling cannot faithfully represent intransitive pairwise similarities in a visualization, and it cannot faithfully visualize “central” objects. in this paper, we present an extension of a recently proposed multidimensional scaling technique called t-sne. the extension aims to address the problems of traditional multidimensional scaling techniques when these techniques are used to visualize non-metric similarities. the new technique, called multiple maps t-sne, alleviates these problems by constructing a collection of maps that reveal complementary structure in the similarity data. we apply multiple maps t-sne to a large data set of word association data and to a data set of nips co-authorships, demonstrating its ability to successfully visualize non-metric similarities.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها