文献

J-GLOBAL ID：201702267006259603   整理番号：17A0142520

部分ラベルからの類似性グラフと画像分類器の同時学習【Powered by NICT】

Joint learning of similarity graph and image classifier from partial labels

著者 (4件)： Mao Yu (National Institute of Informatics, Tokyo, Japan) ,  Cheung Gene (National Institute of Informatics, Tokyo, Japan) ,  Lin Chia-Wen (National Tsing Hua University, Hsinchu, Taiwan) ,  Ji Yusheng (National Institute of Informatics, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 部分標識からの二値分類器の学習は画像分類における基本的かつ重要な課題である。グラフ信号処理(GSP)における最近の進歩をレバレッジし,最近の研究では,部分観測からグラフ信号復元問題として分類器学習を,不良設定問題であるグラフ信号平滑事前情報を用いて正則化した。本論文では,基本的な類似性グラフを前に同じ平滑性を用いてこの研究を拡張し,修正グラフ上に投影された同じグラフ信号は滑らかである。特に,二頂点iとjを結ぶ辺の重みは二頂点での特徴関数の差の加重和の指数カーネルとして計算したと仮定して,著者らは局所的に「最適」反復Newtonの方法による特徴量を見出した。Hess行列の調整は特徴関数における冗長性があり,改善された計算効率のための除去できるを明らかにすることを示した。実験結果は,分類器グラフ信号とグラフの同時最適化は,より良い分類性能,以前の研究とスペクトルクラスタ化を有していることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 信号再生 ,  平滑度 ,  *学習 ,  特性関数 ,  冗長性 ,  *類似性 ,  クラスタ化 ,  正則化
準シソーラス用語： 同時最適化 ,  計算効率 ,  Hess行列 ,  特徴量 ,  事前知識 ,  二値分類 ,  *画像分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ラベル ,  類似性 ,  グラフ ,  画像分類 ,  学習