Highlighting data clusters by graph embedding

ما پیشنهاد یک روش جدید، تعبیه مدولار، برای جاسازی داده ها یا نمودار های با ابعاد در یک فضای کم ابعادی. مرکزی برای کار ما یک مدل است که ارتباط دو نقطه داده را با مقدار مدولار دوبعدی آنها اندازه گیری می کند. مقدار بزرگتر نشان می دهد شانس بیشتری برای قرار دادن آنها در نزدیکی یکدیگر و برعکس. تابع هدف مدل، یک فرمول ساده برای به حداقل رساندن مجموع فاصله های مربع بین نقاط داده شده با مقادیر دوگانه مدولار دارد. به طور طبیعی به عنوان یک برنامه نیمه قطعی آرام است که ماتریس کرنل پایین را با تنها یک محدودیت خطی یاد می گیرد که می تواند به وسیله حل کننده های بهینه سازی ریاضی مدرن حل شود. در مقایسه با الگوریتم های جاسازی گراف های سنتی، روش پیشنهاد شده قادر به برجسته ساختارهای خوشه ای ذاتی در داده ها و نمودار های با ابعاد بزرگ است که یک ابزار نوید دهنده در برنامه های تجزیه و تحلیل داده ها است.