데이터 분석을 위한 슈벤베르크 변환 이론과 실례
슈벤베르크 변환은 유클리드 거리들을 고차원 유클리드 공간에 임베딩하는 방법을 제시한다. 이 변환은 양정정 행렬(positive definite)과 조건부 음정정 행렬(conditionally negative definite)에 관한 정리들로부터 도출된다. 본 논문에서는 변환의 호 길이, 각도, 곡률에 관한 새로운 결과를 제시하고, 고전적 다차원 척도법(classical multidimensional scaling)을 이용해 인공 데이터셋에 시각…
저자: Franc{c}ois Bavaud
본 논문에서는 유클리드 거리들을 고차원 유클리드 공간에 임베딩하는 슈벤베르크 변환의 이론적 기반과 실제 적용 사례를 제시한다. 먼저, 양정정 행렬과 조건부 음정정 행렬에 관한 기존 정리를 정리하고, 이러한 정리들로부터 슈벤베르크 변환이 어떻게 도출되는지를 상세히 설명한다. 변환 함수 f가 조건부 음정정 거리 d에 적용될 때 f(d) 역시 조건부 음정정이 되는 슈벤베르크의 핵심 정리를 이용한다.
다음으로, 변환된 거리 공간의 기하학적 특성인 호 길이, 각도, 곡률에 대한 새로운 수식들을 제시한다. 호 길이는
\
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기