Uncertainty-Aware Principal Component Analysis

We present a technique to perform dimensionality reduction on data that is subject to uncertainty. Our method is a generalization of traditional principal component analysis (PCA) to multivariate probability distributions. In comparison to non-linear methods, linear dimensionality reduction techniqu...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on visualization and computer graphics Ročník 26; číslo 1; s. 822 - 831
Hlavní autoři:	Gortler, Jochen, Spinner, Thilo, Streeb, Dirk, Weiskopf, Daniel, Deussen, Oliver
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.01.2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Covariance matrices Covariance matrix Data visualization Dimensionality reduction linear projection machine learning Mathematical analysis Matrix methods Multivariate analysis Principal component analysis Principal components analysis Probability distribution Random variables Reduction Sensitivity analysis Uncertainty Uncertainty analysis
ISSN:	1077-2626, 1941-0506, 1941-0506
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!