Interactive Knowledge-Based Kernel PCA
Interactive Knowledge-Based Kernel PCA
复制标题
交互式基于知识的核PCA
DOI：
10.1007/978-3-662-44851-9_32
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Thomas Gärtner
中科院分区：
文献类型：
--
作者：
Dino Oglic;Daniel Paurat;Thomas Gärtner
数据理解是一个迭代过程，在这个过程中，领域专家联合收割机将他们的知识与手头的数据相结合，以探索和确认假设。探索关于数据的假设的一组重要工具是可视化。然而，传统的无监督降维算法通常用于可视化。这些工具允许相互作用，即，探索不同的可视化，仅通过操纵算法的一些技术参数。因此，领域专家不得不学习和讨论这些技术参数，而不是能够直观地与可视化进行交互。在本文中，我们提出了一种基于知识的核PCA方法，允许直观的交互与数据可视化。每个嵌入方向由椭球上的非凸二次优化问题给出，并且在核特征空间中具有全局最优解。利用本文提出的算法，可以在多项式时间内找到一个解.为了促进直接反馈，即，在交互过程中以足够高的帧速率更新整个嵌入，我们通过递增的更新和更新来进一步降低计算复杂度。我们的实证评估证明了这种方法的灵活性和实用性。
Data understanding is an iterative process in which domain experts combine their knowledge with the data at hand to explore and confirm hypotheses. One important set of tools for exploring hypotheses about data are visualizations. Often, however, traditional, unsupervised dimensionality reduction algorithms are used for visualization. These tools allow for interaction, i.e., exploring different visualizations, only by means of manipulating some technical parameters of the algorithm. Therefore, instead of being able to intuitively interact with the visualization, domain experts have to learn and argue about these technical parameters. In this paper we propose a knowledge-based kernel PCA approach that allows for intuitive interaction with data visualizations. Each embedding direction is given by a non-convex quadratic optimization problem over an ellipsoid and has a globally optimal solution in the kernel feature space. A solution can be found in polynomial time using the algorithm presented in this paper. To facilitate direct feedback, i.e., updating the whole embedding with a sufficiently high frame-rate during interaction, we reduce the computational complexity further by incremental up- and down-dating. Our empirical evaluation demonstrates the flexibility and utility of this approach.
影响因子：
3.7
作者：
Leman SC;House L;Maiti D;Endert A;North C
通讯作者：
North C
半监督核PCA
DOI：
--
发表时间：
2010
期刊：
arXiv.org
影响因子：
--
作者：
Christian J. Walder;Ricardo Henao;Morten Mørup;L. K. Hansen
通讯作者：
L. K. Hansen
用于交互式数据分析的监督 PCA
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
Daniel Paurat;Dino Oglic;Thomas Gärtner
通讯作者：
Thomas Gärtner