Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Local Learning Projections

Wu, M., Yu, K., Yu, S., & Schölkopf, B. (2007). Local Learning Projections. In Z. Ghahramani (Ed.), ICML '07: 24th International Conference on Machine Learning (pp. 1039-1046). New York, NY, USA: ACM Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CD63-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-E25E-5
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
ICML-2007-Wu.pdf (beliebiger Volltext), 204KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0003-E25F-4
Name:
ICML-2007-Wu.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/citation.cfm?doid=1273496.1273627 (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Wu, M1, 2, Autor           
Yu , K, Autor
Yu, S, Autor
Schölkopf, B1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: This paper presents a Local Learning Projection (LLP) approach for linear dimensionality reduction. We first point out that the well known Principal Component Analysis (PCA) essentially seeks the projection that has the minimal global estimation error. Then we propose a dimensionality reduction algorithm that leads to the projection with the minimal local estimation error, and elucidate its advantages for classification tasks. We also indicate that LLP keeps the local information in the sense that the projection value of each point can be well estimated based on its neighbors and their projection values. Experimental results are provided to validate the effectiveness of the proposed algorithm.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1145/1273496.1273627
BibTex Citekey: 4460
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 24th International Conference on Machine Learning (ICML 2007)
Veranstaltungsort: Corvallis, OR, USA
Start-/Enddatum: 2007-06-20 - 2007-06-24

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: ICML '07: 24th International Conference on Machine Learning
Genre der Quelle: Konferenzband
 Urheber:
Ghahramani, Z, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: New York, NY, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 1039 - 1046 Identifikator: ISBN: 978-1-59593-793-3