文献

J-GLOBAL ID：201702224416903551   整理番号：17A0117319

比例データの教師つき線形次元縮小のための一般化Dirichlet混合整合投影【Powered by NICT】

Generalized dirichlet mixture matching projection for supervised linear dimensionality reduction of proportional data

著者 (2件)： Masoudimansour Walid (Department of Electrical and Computer Engineering, Concordia University Montreal, QC, Canada) ,  Bouguila Nizar (Concordia Institute for Information Systems Engineering, Concordia University Montreal, QC, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： MMSP  ページ： 1-6  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： 本論文では,標識比例データの次元を低減する新しい効果的な方法を紹介した。最も良く知られた既存の線形次元縮小法は,スパースデータのような特定のケースでない一般化固有値問題を解くことに依存している。提案したアルゴリズムは,線形法であり,高い分類率をもたらすが,この問題を解決するために次元縮小の問題への新しいアプローチを使用した。各クラスは射影後の一般化Dirichlet分布の混合物に整合するデータは二つの異なるクラスからであると仮定した。Jeffrey発散は,クラス間分散を増加すると予測されクラス間の非類似度として用いた。最大相互情報量が得られることを最適射影を見出すために,遺伝的アルゴリズムを用いた。法は特に二成分分類のための前処理段階として設計されているが,混合モデルの使用によるマルチモーダルデータを効率的に扱うことができ,したがって,多クラス問題にも用いることができる。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： 射影 ,  遺伝的アルゴリズム ,  *次元縮小 ,  前処理 ,  固有値問題 ,  アルゴリズム ,  相互情報量 ,  *線形性
準シソーラス用語： 混合モデル ,  非類似性 ,  Dirichlet分布 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 比例 ,  教師 ,  線形 ,  次元縮小 ,  一般化 ,  整合 ,  投影