文献

J-GLOBAL ID：201702238473365931   整理番号：17A0368810

極端学習機械を用いたマルチビュークラスタリング【Powered by NICT】

Multi-view clustering with extreme learning machine

著者 (10件)： Wang Qiang (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Wang Qiang (College of Computer, National University of Defense Technology, Changsha, China) ,  Dou Yong (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Dou Yong (College of Computer, National University of Defense Technology, Changsha, China) ,  Liu Xinwang (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Liu Xinwang (College of Computer, National University of Defense Technology, Changsha, China) ,  Lv Qi (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Lv Qi (College of Computer, National University of Defense Technology, Changsha, China) ,  Li Shijie (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Li Shijie (College of Computer, National University of Defense Technology, Changsha, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 214  ページ： 483-494  発行年： 2016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： 今日,データは常に多重表現を持ち,優れた特徴表現は,通常,良好なクラスタリング性能をもたらした。既存のマルチビュークラスタリングの研究は一般的により優れたクラスタリング性能を得るよりもむしろ単一ビューに依存する複数の相補的情報を統合した。しかし,これらの研究は,通常,各ビューの特徴表現能力を改善するよりもむしろ情報の組合せに焦点を当てた。新しい方法として,極端学習機械(ELM)は優れた特徴表現能力,容易なパラメータ選択,および様々なクラスタリングタスクにおける有望な性能を示した。本論文では,クラスタリング性能をさらに改善するために,ELMを有する新しいマルチビュークラスタリングフレームワークを提案し,本フレームワークに基づく三つのアルゴリズムを実装した。このフレームワークでは,個々の正規化された特徴は,ELMランダムマッピングによる高次元特徴空間へ写像した。その後,教師なし多視点クラスタリングは,この特徴空間上で行われる。これまで,これはELMを用いた多視点クラスタリングに最初の研究である。五つの実世界データセット上で多くのベースライン法は,提案したアルゴリズムの有効性を示すために実験的に比較した。示されているように,最近の文献におけるいくつかの最新の多視点クラスタリング法と比較して,提案アルゴリズムは優れたクラスタリング性能が得られた。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： 多重化 ,  アルゴリズム ,  基準線 ,  正規化 ,  *クラスタ化 ,  高次元
準シソーラス用語： クラスタリング法 ,  特徴空間 ,  パラメータ選択 ,  特徴表現 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチビュークラスタリング ,  教師なしクラスタリング ,  極端学習機械

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 極端学習機械