09:28
官方账号arXiv cs.LG@Chun-houh Chen, Shun-Chuan Chang, Chiun-How Kao, Yi-Ju Lee, Shang-Ying Shiu, Yin-Jing Tien, ShengLi Tzeng, Han-Ming Wu
推荐理由：这篇论文提出了cGAP，一个新框架，用HOMALS加热图来可视化高维分类数据，特别适合基因、生物医学等领域。能保持原数据矩阵，同时揭示聚类和结构。
高维数据
共 1 条相关 AI 资讯
7月17日
09:28
cGAP（categorical Generalized Association Plots）提出了一种针对名义、有序和二值数据的可视化框架，通过同质性分析（HOMALS）将样本和类别嵌入三维欧几里得空间，并映射为RGB颜色表示相似模式。该框架集成三个协调视图：HOMALS引导的原始数据热图、样本邻近矩阵和变量邻近矩阵，并利用序列算法重排行列以揭示聚类、异常值和局部全局结构。在四个数据集（学生动物分类数据、哺乳动物齿廓、UCI蘑菇记录、COG数据库）上的应用展示了其透明探索性分析能力。cGAP还推导了重心可追溯性、投影失真和对比保持性质，说明嵌入几何如何传递到显示中。