Quality of quantization and visualization of vectors obtained by neural gas and self-organizing map

Abstract

Šiame straipsnyje nagrinėjama vektorių kvantavimo, taikant saviorganizuojančius žemėlapius ir neuroninių dujų metodą, kokybė, o taip pat vektorių, gautų šiais kvantavimo metodais, vizualizavimo kokybė. Vektoriams vizualizuoti taikomas daugiamačių skalių metodas. Kvantavimo kokybė yra vertinama pagal kvantavimo paklaidą. Vizualizavimo kokybei ivertinti naudojami du panašumų išsaugojimo matai (Konigo topologijos išsaugojimo matas ir Spirmano koreliacijos koeficientas). Straipsnyje pateikiami kelių žinomų struktūrų duomenų aibių vizualizavimo rezultatai, kai pradžioje vektoriai yra kvantuojami, o paskui vizualizuojami tik kvantuoti vektoriai. Straipsnyje atlikta dviejų kvantavimo metodų lyginamoji analizė ir padarytos išvados apie jų jungimą su daugiamatėmis skalėmis

In this paper, the quality of quantization and visualization of vectors, obtained by vector quantization methods (self-organizing map and neural gas), is investigated. A multidimensional scaling is used for visualization of multidimensional vectors. The quality of quantization is measured by a quantization error. Two numerical measures for proximity preservation (Konig’s topology preservation measure and Spearman’s correlation coefficient) are applied to estimate the quality of visualization. Results of visualization (mapping images) are also presented