文献

J-GLOBAL ID：201702236772507400   整理番号：17A0472965

画像表現のための正則化されたグラフを用いた半教師つき凸非負行列因数分解【Powered by NICT】

Semi-supervised convex nonnegative matrix factorizations with graph regularized for image representation

著者 (8件)： Li Guopeng (College of Command Information System, PLA University of Science and Technology, Nanjing, Jiangsu 210007, China) ,  Li Guopeng (Information Technology Center, Tsinghua University, Beijing 100084, China) ,  Li Guopeng (Xi’an Communications Institute, Xi’an, Shaanxi 710106, China) ,  Zhang Xinyu (Information Technology Center, Tsinghua University, Beijing 100084, China) ,  Zheng Siyi (Information Technology Center, Tsinghua University, Beijing 100084, China) ,  Zheng Siyi (Beijing Command College of Chinese People’s Armed Police Force, Beijing 100012, China) ,  Li Deyi (College of Command Information System, PLA University of Science and Technology, Nanjing, Jiangsu 210007, China) ,  Li Deyi (Information Technology Center, Tsinghua University, Beijing 100084, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 1-11  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 非負行列因数分解(NMF)は,高次元データ解析,コンピュータビジョンに広く使用されているために非常に有効な方法である。部品ベース表現を用いた低次元空間における画像の基礎となる構造を捉えることができた。しかし,非負エントリーは通常NMFにおけるデータマトリックス,その応用を制限するに必要である。に加えて,実際には,データの事前情報を利用しない教師なし法。本論文では,ペアごと制約付きグラフ正則化凸非負行列因数分解(PGCNMF)と呼ばれる新しい方法,混合符号データ行列の処理を可能にするだけでなく,すべてのラベル付きデータの中で発生したペアごと制約条件を組み込んだ凸NMFフレームワークを提案した。同じクラスラベルを持つ画像を可能な限り低次元空間で非常に類似した表現を持つことが期待されるが,異なるクラスラベルを持つ画像を可能な限り異種表現を持つであろう。非負および混合符号実世界画像データセット上でクラスタ化実験は,提案した方法の有効性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *正則化 ,  コンピュータビジョン ,  クラスタ化 ,  *凸形 ,  *画像
準シソーラス用語： 事前知識 ,  低次元 ,  高次元データ ,  *画像表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： 凸NMF ,  グラフラプラシアン ,  半教師付き学習 ,  クラスタリング

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 画像表現 ,  正則化 ,  グラフ ,  教師 ,  凸 ,  非負行列因数分解