文献

J-GLOBAL ID：201702212717206195   整理番号：17A0213664

グラフ類似性の条件付き分位数を用いたロバストな局所スケーリング【Powered by NICT】

Robust Local Scaling Using Conditional Quantiles of Graph Similarities

著者 (4件)： Thiagarajan Jayaraman J. ,  Sattigeri Prasanna ,  Ramamurthy Karthikeyan Natesan ,  Kailkhura Bhavya
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDMW  ページ： 762-769  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： 近傍グラフのスペクトル解析は,探索的データ解析のための最も広く使用されている技法の一つである社会科学への機械学習の範囲の応用であった。このような応用では,最初に適切な類似性関数を用いたデータサンプル間の関係を符号化するために代表的なものである。k-最近傍(k NN)グラフのような一般的な近傍構築技術はパラメータの選択に非常に敏感で,雑音と変化する密度に感受性であることが知られている。本論文では,近傍グラフ構築のための局所スケール推定を得るために,変位値分析の使用を提案した。この目的のために,類似性関数の条件付き分位,続いて局所スケールのロバスト推定を得るために使用されているを推測するための自動符号化ニューラルネットワークアプローチを構築した。雑音や異常データに対して非常に回復力に富むであることに加えて,提案した方法は,いくつかの既存の方法とは異なり,広範なパラメータ調整を必要としない。スペクトルクラスタリングと一つの例ラベル伝搬への応用を用いて,提案した近傍グラフは,既存の局所スケールグラフ構築アプローチよりも優れ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： ロバスト推定 ,  スペクトル解析 ,  符号化 ,  *類似性 ,  雑音 ,  社会科学 ,  感受性 ,  *ロバスト性 ,  機械学習
準シソーラス用語： ラベル伝搬 ,  スペクトラルクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： グラフ ,  類似性 ,  ロバスト ,  スケーリング