Přejít k obsahu


A Comparative Study of LOWESS and RBF Approximations for Visualization

Citace:
ŠMOLÍK, M., SKALA, V., NEDVĚD, O. A Comparative Study of LOWESS and RBF Approximations for Visualization. In Computational Science and Its Applications ? ICCSA 2016. Cham: Springer, 2016. s. 405-419. ISBN: 978-3-319-42107-0 , ISSN: 0302-9743
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: A Comparative Study of LOWESS and RBF Approximations for Visualization
Rok vydání: 2016
Místo konání: Cham
Název zdroje: Springer
Autoři: Ing. Michal Šmolík , Prof. Ing. Václav Skala CSc. , Ing. Ondřej Nedvěd
Abstrakt CZ: Aproximační metody jsou široce užívané v mnoha oblastech a bylo publikováno již mnoho technik. Srovnávací studie prezentuje porovnání LOWESS a RBF aproximačních metod na zašuměných datech neboť využívají jiný přístup. RBF je obecně vhodná pro roztroušené datové sety ve vyšších dimenzích. LOWESS potřebuje najít podmnožinu nejbližších bodů, pokud jsou data roztroušená. Experimenty ukázaly, že LOWESS aproximace dává mírně lepší výsledky než RBF pro případ nižší dimenze, ale pro vyšší dimenzi a roztroušená data má RBF metoda nižší výpočetní složitost.
Abstrakt EN: Approximation methods are widely used in many fields and many techniques have been published already. This comparative study presents a comparison of LOWESS (Locally weighted scatterplot smoothing) and RBF (Radial Basis Functions) approximation methods on noisy data as they use different approaches. The RBF approach is generally convenient for high dimensional scattered data sets. The LOWESS method needs finding a subset of nearest points if data are scattered. The experiments proved that LOWESS approximation gives slightly better results than RBF in the case of lower dimension, while in the higher dimensional case with scattered data the RBF method has lower computational complexity.
Klíčová slova

Zpět

Patička