Figure 2.4: Clustering results of D

Figure 2.4: Clustering results of Diffusion Maps (DM) and Multiscale Diffusion
Maps (MDM) on the synthetic dataset in Figure 2.2(a). The global Gaussian kernel
is used here with σ(G) = 2. Figure 2.4(a) to 2.4(d) show the results of DM from t =
1 to t = 100. Although DM with t = 50 obtains better separation in the boundary
area among the three clusters, it is hard to guess the best range of t unsupervisedly.
MDM, in spite of the elimination of parameter t, easily gets over-diffusion without
perception of density change (see Figure 2.4(e)).

ผลลัพธ์ (ไทย) 1:

รูปที่ 2.4: Clustering ผล Multiscale แพร่แผนที่แพร่ (DM)แผนที่ (MDM) การสังเคราะห์ในรูป 2.2(a) เคอร์เนลนที่ส่วนกลางใช้นี่กับ σ(G) = 2 รูปที่ 2.4(a) การ 2.4(d) แสดงผลลัพธ์ของ DM จาก t =1 t = 100 แม้ว่า DM ด้วย t = 50 ได้รับการแยกดีขึ้นในขอบเขตตั้งท่ามกลางสาม มันยากจะคาดเดาช่วงที่ดีที่สุดของ t unsupervisedlyMDM ทั้ง ๆ ที่ มีพารามิเตอร์ t การกำจัดได้อย่างง่ายดายได้รับกระจายมากเกินไปโดยไม่การรับรู้ความเปลี่ยนแปลง (ดูรูปที่ 2.4(e))

ผลลัพธ์ (ไทย) 2:

รูปที่ 2.4: ผลการจัดกลุ่มของการแพร่กระจายแผนที่ (DM) และ Multiscale Diffusion
แผนที่ (MDM) ในชุดข้อมูลที่สังเคราะห์ในรูปที่ 2.2 (ก) เคอร์เนลเกาส์ทั่วโลก
จะใช้ที่นี่ด้วยσ (G) = 2 รูปที่ 2.4 (ก) ถึง 2.4 (ง) การแสดงผลของการ DM จากที =
1 ถึง t = 100 แม้ว่า DM กับ t = 50 ได้รับการแยกดีขึ้นใน ขอบเขต
พื้นที่ในสามกลุ่มมันเป็นเรื่องยากที่จะคาดเดาช่วงที่ดีที่สุดของ T unsupervisedly.
MDM ทั้งๆที่การกำจัดของพารามิเตอร์ T ได้อย่างง่ายดายได้รับมากกว่าการแพร่กระจายโดยไม่ต้อง
รับรู้ของการเปลี่ยนแปลงความหนาแน่น (ดูรูป 2.4 (E))

ผลลัพธ์ (ไทย) 3:

รูปที่ 2.4 : การจัดกลุ่มผลลัพธ์ของแผนที่การแพร่กระจาย ( DM ) และ multiscale การแพร่แผนที่ ( MDM ) บนพื้นผิวสังเคราะห์ในรูปที่ 2.2 ( ) เคอร์เนลที่เสียน )ใช้ที่นี่กับσ ( g ) = 2 รูปที่ 2.4 ( 1 ) 2.4 ( D ) แสดงผลลัพธ์ของ DM จาก T =1 t = 100 แม้ว่า DM กับ t = 50 ได้รับการแยกที่ดีกว่าในขอบเขตพื้นที่ระหว่าง 3 กลุ่ม มันก็ยากที่จะเดาว่าช่วงที่ดีที่สุดของ T unsupervisedly .มาดาม ทั้งๆที่การขจัดตัวแปร t ได้อย่างง่ายดายโดยไม่ได้รับมากกว่าการแพร่การเปลี่ยนความหนาแน่นของ ( ดูรูปที่ 2.4 ( e ) )