文献

J-GLOBAL ID：201602256654640504   整理番号：16A1065177

ランダム特徴に基づくマルチカーネルクラスタリング【Powered by NICT】

Random feature based multiple kernel clustering

著者 (4件)： Zhou Jin (Shandong Provincial Key Laboratory of Network-Based Intelligent Computing, University of Jinan, China) ,  Yuqi Pan (School of Information Science and Engineering, University of Jinan, China) ,  Lin Wang (Shandong Provincial Key Laboratory of Network-Based Intelligent Computing, University of Jinan, China) ,  Chen C. L. Philip (Department of Computer and Information Science, University of Macau, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICCSS  ページ： 7-10  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： カーネルクラスタリング法である非線形データクラスタリングで非常に有用である。しかしその高い計算複雑性は,大規模データセットに達成できないにしている。本論文では,ランダムFourier特徴に基づく新しいマルチカーネルクラスタリングアルゴリズムは,この問題を解決するために提案する,最大エントロピー法はカーネル重みを最適化するために適用した。合成非線形データセットに関する実験は,提案したアルゴリズムの良好な性能を示した。Copyright 2016 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： *最大エントロピー法 ,  最適化 ,  計算量 ,  アルゴリズム
準シソーラス用語： データクラスタリング ,  クラスタリング法 , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G) ,  脳・神経系モデル  (EL02050C) ,  人工知能  (JE08000Z)