文献

J-GLOBAL ID：201702240953770812   整理番号：17A0473018

データ表現のためのグラフ正則化された多層概念因子分解【Powered by NICT】

Graph regularized multilayer concept factorization for data representation

著者 (5件)： Li Xue (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Shen Xiaobo (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Shu Zhenqiu (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Ye Qiaolin (School of Information Technology, Nanjing Forestry University, Nanjing, China) ,  Zhao Chunxia (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 238  ページ： 139-151  発行年： 2017年 
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： 以前の研究は,マトリックス因数分解技術,非負行列因数分解(NMF)および概念因子分解(CF)のような,画像処理とデータ表現の印象的な結果をもたらしていることを示した。しかし,従来のCFとその変異体単層因数分解はデータの固有構造を捉えることに失敗する。本論文では,新しい逐次因子分解法,すなわちクラスタリングのためのグラフ正則化多層概念因子分解(GMCF)を提案した。GMCFは多段手順,層数の反復観測行列を分解する。さらに,GMCFは更なるデータの多様体構造を保存する効率的に各層のグラフラプラシアン正則化を組み込んだ。GMCFを最適化のために開発した効率的な反復更新方式。このアルゴリズムの収束を厳密に証明した計算の複雑さを詳細に解析した。包括的な実験を行い,GMCFはデータ表現とクラスタリング性能の点で優位性を持っていることを示した。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： クラスタ化 ,  *正則化 ,  アルゴリズム ,  画像処理 ,  多様体 ,  多層 ,  計算量 ,  次元縮小 ,  因数分解 ,  *データ表現 ,  最適化
準シソーラス用語： 多様体学習 ,  グラフラプラシアン ,  行列因数分解 ,  *因子分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： 概念因子分解 ,  多層因数分解 ,  多様体学習 ,  次元縮小 ,  データ表現

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： データ表現 ,  グラフ ,  正則化 ,  多層 ,  概念 ,  因子分解