23、日常生活中的声音分类：方法、影响因素与场景认知-优快云博客

本文链接：https://blog.youkuaiyun.com/b9c0d/article/details/152355242

日常生活中的声音分类：方法、影响因素与场景认知

1. 多维标度法（Multidimensional Scaling）

多维标度法（MDS）是一组数学技术，用于以较少的维度来表示N个项目之间的相似度（这里是全局相异矩阵），以最佳近似观察到的相似度。每个项目在空间中表示为一个点，相似的项目由空间中靠近的点表示，而不相似的项目由相距较远的点表示。这个空间通常是二维或三维的欧几里得空间，但也可以使用不同的距离（度量、非度量）和更多的维度。

1.1 拟合优度

表示的拟合优度可以使用度量标准（如碎石图和解释方差的百分比）来估计。拟合优度随着维度数量的增加而提高。碎石图（表示应力与维度的函数关系）可用于确定最佳维度数量。

1.2 分析目的

该分析旨在识别解释相似度判断的潜在属性。对潜在属性的解释依赖于对散点图中分布和聚类的视觉检查，以及使用多元回归技术来根据项目之间的相似度解释刺激空间的这些维度。

1.3 个体差异模型

MDS还提供了将个体差异表示为每个潜在维度上的权重的模型（也称为加权模型或个体差异标度（INDSCAL））。

1.4 示例

下面是一个二维MDS表示的示例：

graph LR
    classDef point fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(Stravinsky 1):::point -->|距离表示相异度| B(Beaubourg 2):::point
    B -->