使用混合尺寸锚图进行数据展示

《Neural Networks》：Projection with Mixed-Size Anchor Graphs

　　

钱耀强|张斌|张杰森·陈|刘超迪|聂飞平

摘要

基于图的投影方法将原始的高维数据投影到一个更紧凑的低维子空间中，这一过程包括构建相似性矩阵和解决特征值分解问题这两个连续步骤，这两个步骤既耗时又占用大量内存。此外，值得注意的是，单一的相似性图可能无法充分捕捉数据结构，从而限制了全面的知识探索。为此，我们提出了一种高效的无监督方法——混合尺寸锚图投影（PMAG），该方法在投影任务中采用了多种粒度的锚点。混合尺寸的锚图有助于改进投影学习，从而更深入、更全面地探索数据的内在结构并提取知识。我们引入了一种自动机制来评估不同尺寸锚图的贡献，并将它们整合起来以促进投影效果。此外，我们还提出了一种计算复杂度与数据集大小和维度线性相关的优化算法来解决由此产生的问题。广泛的实验结果表明，PMAG的速度比最佳对比方法快6.73倍，在最大数据集上准确率提高了20%以上。代码可访问：https://github.com/caccode/PMAG。