BriefGPT - AI 论文速递
·
OsmLocator：基于聚类重新可视化的模拟退火定位重叠散点标记
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于Haar散射变换的方法，用于在未知图形几何的情况下对高维数据进行分类。该方法通过计算不变的信号描述符，并通过深度级联计算正交Haar小波变换来实现。同时，还介绍了一种用于无序图形上采样的多尺度邻域估计方法，并对通过降维实现的监督分类进行了测试。
🎯
关键要点
- 提出了一种基于Haar散射变换的方法，用于在未知图形几何的情况下对高维数据进行分类。
- 该方法计算不变的信号描述符，并通过深度级联计算正交Haar小波变换。
- 介绍了一种用于无序图形上采样的多尺度邻域估计方法。
- 对通过降维实现的监督分类进行了测试。
🏷️
标签
➡️
