拉普拉斯分布_理解拉普拉斯特征映射中的优化问题的约束条件
引言:在学习拉普拉斯特征映射(Laplacian Eigenmaps, LE)的过程中,发现大多数参考资料仅列出了其中的最优化问题,然后直接过渡到特征值问题,对于该优化问题,特别是其中的约束条件解释的很少,不多的解释也很模糊。阅读过 LE 的原论文之后,将个人的理解整理如下。
Laplacian eigenmaps and spectral techniques for embedding and clusteringpapers.nips.cc
一句话结论
- 约束条件
起到
消除缩放因子 和 防止特征映射退化到更低维的空间 两个作用。
2. 拉普拉斯特征映射等价的最优化问题应该为
这时解为
非零特征值之和,
而不是各种资料中常见的
注:下文的阅读可能需要预先非常熟悉 LE 的计算过程。
拉普拉斯特征映射
以下简单的定义下符号:LE 将
和拉普拉斯矩阵
拉普拉斯矩阵半正定,且具有
LE 将
令
因为(以下为了偷懒不将向量符号加粗了)
该无约束的优化问题解显然是任意的:首先,解可以退化到一个点,即所有
消除缩放因子:为什么度量是
比较容易理解的是,约束 (2) 的必要条件
消除了
。
至于为什么选择
Matrix D provides a natural measure on the vertices of the graph
《机器学习——原理、算法与应用》一书中解释为 “主对角元反映了图的每个节点的重要性”,这比较晦涩难懂。
这里有一个相关的提问
Question about the constraint in Laplacian eigenmapsmath.stackexchange.com
其中第一个回答讲的比较虚,强调了一个好的度量在实际中是非常重要的。第二个回答则从数值角度解释了为什么这是一个好的度量:
the eigenvector will have extreme large number on the position corresponding to the vertex with high degree.
简单来说,这一度量使得特征向量(也就是下文中原问题等价的广义特征值问题的解)的数值分布更 “均匀、自然”,也就是嵌入低维空间后的分布更 “均匀、自然”。
防止空间退化:约束究竟应该是什么
在加入了
对
即最优化的必要条件是
为了使特征映射不退化到更低维的空间,加上约束
即
对于对称阵
不同特征值的特征向量满足正交条件:设两个不同的特征值和对应特征向量分别为
而
的最优解是
并不是各种中文参考资料中说明的最小
非零 特征值。
实际上,注意到 (3) 具有特征值
因此,在原论文中,以一维情况引入时,最优化问题写作
保证特征向量
因此,实际上拉普拉斯特征映射等价的最优化问题应该为
此时解为
非零特征值之和,
算法流程
附拉普拉斯特征映射的算法流程
第一步:构造邻接关系,判断两点是否邻近有两种方法:欧氏距离小于设定的阈值
第二步:计算权重,一种方法是对于邻接点
第三步:特征映射。取广义特征值问题的前
参考文献
[1] Belkin, M., & Niyogi, P. (2002). Laplacian eigenmaps and spectral techniques for embedding and clustering. InAdvances in neural information processing systems(pp. 585-591).
[2] 雷明. (2019). 机器学习——原理、算法与应用. 清华大学出版社.
拉普拉斯分布_理解拉普拉斯特征映射中的优化问题的约束条件相关推荐
- matlab中表示拉普拉斯分布_神奇的正态分布
在统计学中有各种各样的分布,称为统计分布,例如有离散型的伯努利分布.二项分布.超几何分布.几何分布.负二项分布.泊松分布,有连续型的均匀分布.指数分布.t分布.卡方分布.F分布.正态分布等等,其中正态 ...
- matlab中表示拉普拉斯分布_拉普拉斯分布的随机数
一.功能 产生拉普拉斯分布的随机数. 二.方法简介 1.产生随机变量的组合法 将分布函数\(F(x)\)分解为若干个较为简单的子分布函数的线性组合 \[F(x)=\sum_{i=1}^{K}p_{i} ...
- matlab中表示拉普拉斯分布_分布拟合——正态/拉普拉斯/对数高斯/瑞利 分布
作者:桂. 时间:2017-03-16 20:30:20 声明:欢迎被转载,记得注明出处~ 前言 本文为曲线与分布拟合的一部分,主要介绍正态分布.拉普拉斯分布等常用分布拟合的理论推导以及代码实现. ...
- matlab中表示拉普拉斯分布_深度优化局部拉普拉斯金字塔滤波器。
微信公众号:OpenCV学堂关注获取更多计算机视觉与深度学习知识 觉得文章有用,请戳底部[好看]支持 算法概述 基于局部拉普拉斯金字塔的Edge-aware滤波器是在2011年由Adobe 公司的研究 ...
- matlab中表示拉普拉斯分布_双导体球在匀强外电场中的空间电场分布
导体球或球壳在匀强外电场中的场强分布是电动力学中的经典题目,也是大家所熟悉的题目,但均匀电场中出现两个导体球或球壳(二聚体)时的场强却少有讨论.两导体球电极化所引起的导体球间电磁场的局域增强是表面等离 ...
- 拉普拉斯分布_中心极限定理:从高尔顿板到麦克斯韦分布
神奇的正态分布源于"加". 撰文 | 张和持 时隔多年,或许你早就记不得16岁那年夏天高中闷热的教室,但可能会记得有一天数学老师说着要给大伙看个稀奇--一块祖传的高尔顿板.尽管班 ...
- 下列统计量服从什么分布_设 ,且 是从 中抽取的样本,则统计量 服从的分布为( )。_学小易找答案...
[单选题]我国资金流量核算的初始流量是( ). [填空题]影响人际交往的主观因素有: 认识因素.情感因素._. [判断题]防火墙,也成为防护墙,是指建筑物之间用来防止火势蔓延的防火隔离墙. [单选题] ...
- asp绑定gridview属性_理解ASP.NET Core中的模型验证
当MVC执行模型绑定后,为了验证绑定为参数提供的值是否符合预期,还需要进行模型验证. 一.理解模型验证 模型验证是指模型绑定后对Action参数进行验证的过程.它会根据事先定义的规则对参数的值进行验证 ...
- java泛型中的通配符是_理解在Java泛型中使用通配符?
我问了一个类似的问题,这是一个更具体的版本,希望能得到明确的答案. 在尝试了解Java通用类型和通配符"?"的用法时,我尝试了以下操作: List li4 = new ArrayL ...
最新文章
- Java8 Stream应用:Map合并、过滤、遍历、values int求和等
- 多协程爬取中大微博内容(以及转发数,点赞数,评论数)
- OC中runtime的使用
- 对datatable操作经验-排序和分页
- 在既有系统中打通Apache Ignite、MySQL和Node.js
- RTX移植到STM32F103
- (65)FPGA面试题-状态机编码选择原则?
- 谈谈java中的集合框架
- 详解BetterZip对压缩包注释的一些相关小功能
- pythonnumpy算术函数_python的numpy.prod函数运行实例详解
- C语言 知识点总结完美版
- 疫情下,裁员补偿标准不可不知
- 怎么搭配丝袜优雅不低俗?
- Android fragment中广告图片轮播效果的实现(附图 )
- 新特性速递 | InnoDB redo log archiving(归档)
- 写好 JS 条件语句的 5 条守则
- 跑跑卡丁车蛋白石盒喜当托儿纪念,2022/06/12,22:59:24
- Oracle卸载:指定数据库的诊断目标位置不存在解决
- 嵌入式Linux系统的电子书阅读器项目1——Overview
- Tabby 安装步骤
热门文章
- 定区关联快递员 定区关联收派时间
- 【AtCoder】ARC 081 E - Don't Be a Subsequence
- 【转】三星8552 手机提示升级系统 完成后重启 开机画面一直停留在三星的LOGO 一闪一闪 怎么办...
- C#实现WebService服务 项目完整总结
- 从程序员到CTO的Java技术路线图 JAVA职业规划 JAVA职业发展路线图 系统后台框架图、前端工程师技能图 B2C电子商务基础系统架构解析...
- 分布式 Spring Cloud 基于 Spring Boot 开发一整套
- VS2017控制台打印问题
- 小行星编号_一颗比造成通古斯爆炸更大的小行星正疾速飞来,两天后与地球相会...
- 时间序列模型matlab_平稳时间序列分析01---AR模型
- uni-app 封装请求