计算机辅助设计与图形学学报

作者：冯琳琳, 王长鹏, 吴田军, 张讲社

关键词：变分自编码器, 均匀流形近似与投影, 非线性降维, 流形学习

针对科学数据集的规模和复杂性的迅速增长, 现有的降维方法存在“拥挤问题”以及不能嵌入新样本的问题, 提出了一种变分自编码器均匀流形近似与投影的数据降维方法. 首先, 为减小高维数据之间的耦合性, 利用变分自编码器将数据压缩为潜在变量;然后, 运用均匀流形近似与投影进一步将潜在变量降维, 使低维嵌入更好地保持原始数据之间的相似性关系;最后, 将所提方法用训练集进行拟合, 并嵌入一个样本外测试集来评估对新数据的泛化能力. 实验结果表明, 在MNIST和Fashion-MNIST数据集上, 与UMAP, DensMAP, VAE和AE这4个优秀降维方法相比, 所提方法的可信度得分分别达到0. 994 4和0. 993 9, 超越了当前最好方法UMAP 0.031 6和0.014 1, 同时在可视化、Kendall秩相关系数以及分类精度评价指标上也有显著的改进.

来源：2025年第3期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第3期