Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Methodology of Detection for Power Cable Insulation Defects Based on DC Voltage Withstand Test Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Nonlinear Data Mining Method Based on Manifold Learning

verfasst von : Lurui Xia, Jilian Li, Xiaoping Du, Gangtao Hao

Erschienen in: Unifying Electrical Engineering and Electronics Engineering

Verlag: Springer New York

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A new nonlinear data mining thought based on manifold learning was proposed to solve the difficult problem of nonlinear data processing. Three manifold learning methods, that are Isometric Mapping (Isomap), Locally Linear Embedding (LLE), and Diffusion Map (DM), were used for nonlinear data mining and then the results were expressed by visualization. The availability and validity of the methods were verified by data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Improved Ant Colony Algorithm for Solving Permutation Flow Shop Scheduling Problem
Nächstes Kapitel Improved Convex Incremental Extreme Learning Machine Based on Enhanced Random Search
Literatur
1.
Seung HS, Daniel DL (2000) The manifold ways of perception. Science 290:2268–2269CrossRef
2.
Tenenbaum JB, de Silva V, Langford JC (2000) A global geometric framework for nonlinear dimensionality reduction. Science 290:2319–2323CrossRef
3.
Roweis ST, Saul LK (2000) Nonlinear dimensionality reduction by locally linear embedding. Science 290:2323–2326CrossRef
4.
Belkin M, Niyogi P (2003) Laplacian eigenmaps for dimensionality reduction and data representation. Neural Comput 15(6):1373–1396MATHCrossRef
5.
Zhang ZY, Zha HY (2005) Principal manifolds and nonlinear dimensionality reduction via tangent space alignment. SIAM J Sci Comput 26(1):313–338
6.
Luo SW, Zhao LW (2006) Manifold learning algorithms based on spectral graph theory. J Comput Res Dev 43(7):1173–1179
7.
Metadaten
Titel
Nonlinear Data Mining Method Based on Manifold Learning
verfasst von
Lurui Xia
Jilian Li
Xiaoping Du
Gangtao Hao
Copyright-Jahr
2014
Verlag
Springer New York
Buch
Unifying Electrical Engineering and Electronics Engineering

Print ISBN: 978-1-4614-4980-5

Electronic ISBN: 978-1-4614-4981-2

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-1-4614-4981-2_221

Neuer Inhalt

    Bildnachweise