A kernel-based embedding framework for high-dimensional data analysis
The world is essentially multidimensional, e.g., neurons, computer networks, Internet traffic, and financial markets. The challenge is to discover and extract information that lies hidden in these high-dimensional datasets to support classification, regression, clustering, and visualization tasks. A...
- Autores:
-
García Vega, Sergio
- Tipo de recurso:
- Doctoral thesis
- Fecha de publicación:
- 2019
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/76729
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/76729
http://bdigital.unal.edu.co/73452/
- Palabra clave:
- Dimensionality reduction
High-dimensional data
Kernel adaptive filtering
Embedding
Gradient descent
Online sequential learning
Sparsification
Reducción de dimensionalidad
Datos de alta dimensión
Filtrado adaptativo kernel
Incrustación
Gradiente descendente
Aprendizaje secuencial en línea
Esparsificación
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional