TY - JOUR A2 - Liao, T. Warren AU - Pérez-Aguila, Ricardo AU - Ruiz-Rodríguez, Ricardo PY - 2015 DA - 2015/03/01D-EVM和Kohonen Networks SP - 676780 VL - 2015 AB -描述了一种新的框架，用于表示和分割多维数据集，从而实现较低的空间复杂度要求，并能适当地访问其中包含的信息。我们将考虑到两个步骤。第一步是指定( n - 1 ) D hypervoxelizations, n ≥ 2 ，如正交多边形，其 n Th维度对应于颜色强度。然后, n 中通过极值顶点模型简明地表达了D的表示 n 维空间( n D-EVM)。给出了一些例子，在我们的方法下，它们的存储要求比原来的高体素化要求要小。在第二步中，应用一维Kohonen网络(1D-KNs)来分割数据集，考虑到它们的几何和拓扑性质，提供了一种非监督的方式来压缩所提出的数据集 n 维表示。对于我们的一组研究案例，我们的框架的应用共享5.6496到32.4311的压缩比。总结，贡献结合了力量 n D-EVM和1d - kn通过生成非常简洁的数据集表示。我们认为，新的表示还通过引入一些误差函数提供适当的分割，从而使我们的一维- kns分类与仅基于颜色强度的分类进行比较。沿着工作，主要属性和算法背后 n 引入D-EVM的目的是询问最终的表示，从而有效地获得有用的几何和拓扑信息。SN - 1687-9724 UR - https://doi.org/10.1155/2015/676780 DO - 10.1155/2015/676780 JF -应用计算智能和软计算PB - Hindawi Publishing Corporation KW - ER -