机构名称：
¥ 3.0
在本文中，我们研究了拓扑数据分析中的欧拉特征技术。逐点计算由数据构建的单纯复形族的欧拉特征会产生所谓的欧拉特征轮廓。我们表明，这个简单的描述符以极低的计算成本在监督任务中实现了最先进的性能。受信号分析的启发，我们计算了欧拉特征轮廓的混合变换。这些积分变换将欧拉特征技术与勒贝格积分相结合，以提供高效的拓扑信号压缩器。因此，它们在无监督环境中表现出色。在定性方面，我们对欧拉轮廓及其混合变换捕获的拓扑和几何信息提供了大量启发式方法。最后，我们证明了这些描述符的稳定性结果以及随机设置中的渐近保证。关键词：拓扑数据分析、机器学习、多参数持久性、欧拉特征轮廓、混合变换
拓扑数据分析的欧拉特征工具
主要关键词
相关文件推荐
