具峰值非负张量分解的 Wasserstein 流形正则化
原文中文，约400字，阅读约需1分钟。发表于：。利用 Wasserstein 距离作为度量，并将图形正则化器添加到潜在因子中，我们引入了 Wasserstein 流形非负张量分解（WMNTF），以利用特征的相关信息和样本的流形信息。实验证明，与其他 NMF 和 NTF 方法相比，所提方法的有效性。
该论文研究了数据流形学习中的二次Wasserstein距离的下界，重点考虑了应用于数据的仿射变换。通过计算协方差矩阵之间的Bures度量，给出了在二维空间中具有不相关分量的随机向量的旋转副本的具体下界。同时推导了由仿射映射组成的上界，产生了多样的微分同胚，应用于初始数据度量。将这些界限应用于各种分布，并展示了界限的质量。最后，提出了一个可以应用于流形学习框架中的模仿手写数字或字母数据集的框架。
