文献

J-GLOBAL ID：201702231324513700   整理番号：17A0314418

Correntropyは誘起された距離に基づくグラフ正則化非負行列因数分解【Powered by NICT】

Correntropy induced metric based graph regularized non-negative matrix factorization

著者 (5件)： Wang Yuanyuan (Department of Basic Courses, Army Officer Academy, Hefei 230031, China) ,  Wu Shuyi (Science and Technology on Parallel and Distributed Processing Laboratory, College of Computer, National University of Defense Technology, Changsha 410073, China) ,  Mao Bin (College of Science, National University of Defense Technology, Changsha 410073, China) ,  Zhang Xiang (Science and Technology on Parallel and Distributed Processing Laboratory, College of Computer, National University of Defense Technology, Changsha 410073, China) ,  Luo Zhigang (Science and Technology on Parallel and Distributed Processing Laboratory, College of Computer, National University of Defense Technology, Changsha 410073, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 204  ページ： 172-182  発行年： 2016年09月05日 
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： 非負行列因数分解(NMF)は,多くのパターン認識およびコンピュータビジョン作業において重要な役割を果たす一般的な次元縮小法である。しかし,低次元表現は,異常値の影響を離陸もデータセットにおける幾何学的構造を保存する従来のNMF法により学習した。本論文では,前述の欠点を克服するために相関エントロピー誘導距離に基づくグラフ正則化NMF(CGNMF)を提案した。CGNMFは大きな大きさの雑音を除くためにデータマトリックスとその再構成の間のcorrentropyを最大化し,グラフ正則化を用いたデータの固有の幾何学的構造を保存する。CGNMFの信頼性をさらに増強するために,correntropy誘導計量により測定される試料への距離を最小化することにより清浄な係数を学習するために,correntropy誘導距離に基づくグラフ正則化射影NMF(CGPNMF)を提案した。一般的な顔画像データセット上での実験結果により,最先端の方法と比較してCGNMFとCGPNMFの両方の有効性を確認した。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： 雑音 ,  顔画像 ,  再構成 ,  パターン認識 ,  異常値 ,  信頼性 ,  コンピュータビジョン ,  エントロピー ,  *正則化 ,  射影 ,  次元縮小
準シソーラス用語： 低次元 , 【Automatic Indexing@JST】

著者キーワード (3件)： Correntropy誘起された計量 ,  非負行列因数分解 ,  画像クラスタリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 誘起 ,  グラフ ,  正則化 ,  非負行列因数分解