《表1 3种密度估计方法的结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高维数据非参数密度估计的低维流形代表点法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于交叉验证似然方法可得到每种密度估计方法的最优参数设置。给定最优参数后，在测试集上进一步比较3种方法进行密度估计的结果（见表1)，3种方法在二维空间中的密度估计结果如图3所示。红色的数据点是训练集，灰色的区域是由密度估计大于给定阈值的测试数据点。图3(a）为传统的核密度估计方法结果，窗宽为一个单一超参数，σ=0.01；图3(b）是基于最近邻流形学习的密度估计方法结果，其中参数配置为d=1，k=20，σ=0.01；图3(c）是本文方法的密度估计结果，其中参数配置为d=1，k=5，σ=0.01。