Публикация:Gorban (2008), Principal Manifolds

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Создана страница публикации)
м (Аннотация: оформление)
Строка 23: Строка 23:
}}
}}
== Аннотация ==
== Аннотация ==
-
Первая в мировой научной литературе монография, посвященная методу главных многообразий (обобщения Кохоненовских SOM в том числе): Главные многообразия для визуализации и анализа данных, А. Горбань, Б. Кегль, Д. Вунш, А. Зиновьев (ред.), Шпрингер, 2007. Подготовлена международным коллективом авторов.
+
Первая в мировой научной литературе монография, посвященная методу главных многообразий (обобщения Кохоненовских SOM в том числе): Главные многообразия для визуализации и анализа данных, А. Горбань, Б. Кегль, Д. Вунш, А. Зиновьев (ред.), Шпрингер, 2007. Подготовлена международным коллективом авторов.
Строка 68: Строка 68:
14 PCA and K-Means Decipher Genome
14 PCA and K-Means Decipher Genome
-
Alexander N Gorban, Andrei Y Zinovyev
+
Alexander N Gorban, Andrei Y Zinovyev
-
+
 
== Ссылки ==
== Ссылки ==
*[http://pca.narod.ru/ Нелинейный метод главных компонент]
*[http://pca.narod.ru/ Нелинейный метод главных компонент]

Версия 14:14, 26 сентября 2009

Gorban, A.N. (Ed.), Kegl, B (Ed.), Wunsch, D (Ed.), Zinovyev, A.Y. (Ed.) Principal Manifolds for Data Visualisation and Dimension Reduction. — Springer, Berlin – Heidelberg – New York, 2008. — ISBN 978-3-540-73749-0

BibTeX:
 @book{NPCA2007,
   author = "Gorban, A.N. (Ed.) and Kegl, B (Ed.) and Wunsch, D (Ed.) and Zinovyev, A.Y. (Ed.)",
   title = "Principal Manifolds for Data Visualisation and Dimension Reduction",
   publisher = "Springer, Berlin – Heidelberg – New York",
   year = "2008",
   url = "http://pca.narod.ru/contentsgkwz.htm",
   isbn = "978-3-540-73749-0",
   language = english
 }

Аннотация

Первая в мировой научной литературе монография, посвященная методу главных многообразий (обобщения Кохоненовских SOM в том числе): Главные многообразия для визуализации и анализа данных, А. Горбань, Б. Кегль, Д. Вунш, А. Зиновьев (ред.), Шпрингер, 2007. Подготовлена международным коллективом авторов.


Contents

1 Developments and Applications of Nonlinear Principal Component Analysis – a Review

 Uwe Kruger, Junping Zhang, Lei Xie 

2 Nonlinear Principal Component Analysis: Neural Network Models and Applications

 Matthias Scholz, Martin Fraunholz, Joachim Selbig                    


3 Learning Nonlinear Principal Manifolds by Self-Organising Maps

 Hujun Yin                                                       

4 Elastic Maps and Nets for Approximating Principal Manifolds and Their Application to Microarray Data visualization

 Alexander N Gorban, Andrei Y Zinovyev                           

5 Topology-Preserving Mappings for Data Visualisation

 Marian PeЇna, Wesam Barbakh, Colin Fyfe                          

6 The Iterative Extraction Approach to Clustering

 Boris Mirkin                                                     

7 Representing Complex Data Using Localized Principal Components with Application to Astronomical Data

 Jochen Einbeck, Ludger Evers, Coryn Bailer-Jones                    

8 Auto-Associative Models, Nonlinear Principal Component Analysis, Manifolds and Projection Pursuit

 Stґephane Girard, Serge Iovleff                                      

9 Beyond The Concept of Manifolds: Principal Trees, Metro Maps, and Elastic Cubic Complexes

 Alexander N Gorban, Neil R Sumner, Andrei Y Zinovyev            

10 Diffusion Maps - a Probabilistic Interpretation for Spectral Embedding and Clustering Algorithms

  Boaz Nadler, Stephane Lafon, Ronald Coifman, Ioannis G Kevrekidis   

11 On Bounds for Diffusion, Discrepancy and Fill Distance Metrics

  Steven B Damelin                                                

12 Geometric Optimization Methods for the Analysis of Gene Expression Data

  Michel Journґee, Andrew E Teschendorff, Pierre-Antoine Absil, Simon Tavarґe, Rodolphe Sepulchre                                  

13 Dimensionality Reduction and Microarray data

  David A Elizondo, Benjamin N Passow, Ralph Birkenhead, Andreas Huemer                                            

14 PCA and K-Means Decipher Genome

  Alexander N Gorban, Andrei Y Zinovyev

Ссылки

}}

Личные инструменты