arXiv ID:
2606.29665
arXiv 提交日期: 2026-06-29
调整的Wasserstein距离:连接经验分布与真实分布及其在多元尺度缩放中的应用 / Adjusted Wasserstein distances for bridging empirical and true distributions with applications to MDS
1️⃣ 一句话总结
本文提出了一种改进的Wasserstein距离(Max-D-SW),通过整合正交基上的贡献而非单个方向优化,显著提升了多元尺度缩放(MDS)在重尾分布数据上的模式识别效果,同时证明了该方法在统计上可行,并指出:一个好的距离度量在样本复杂度上的优势,并不意味着它在MDS可视化中表现更优。