文献

J-GLOBAL ID：201702269587919817   整理番号：17A0755736

画像分類のための局所性制約とラベル埋込み辞書学習アルゴリズム【Powered by NICT】

A Locality-Constrained and Label Embedding Dictionary Learning Algorithm for Image Classification

著者 (5件)： Li Zhengming (Bio-Computing Research Center, Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China) ,  Lai Zhihui (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China) ,  Xu Yong (Bio-Computing Research Center, Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China) ,  Yang Jian (School of Computer Science, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang David (Department of Computing, Biometrics Research Centre, The Hong Kong Polytechnic University, Hong Kong)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 2  ページ： 278-293  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 訓練サンプルの局所性とラベル情報は画像分類において重要な役割を果たす。しかし,以前の辞書学習アルゴリズムでは,局所性を原子の情報を学習過程で一緒に考慮せず,その性能は限られている。本論文では,局所性制約付きとラベル埋込み辞書学習(LCLE DL)アルゴリズムと呼ぶ,識別辞書学習アルゴリズムは画像分類のために提案した。最初に,局所性情報,訓練サンプルから得られた従来のものの代わりに学習された辞書のグラフLaplace行列を用いて保存されていた。ラベル埋込み項は分類誤差項,学習された辞書の情報識別を含むの代わりに原子のラベル情報を用いて構築した。局所性と標識再構築によって誘導される最適符号化係数は画像分類のための効果的であった。実験結果はLCLE DLアルゴリズムがいくつかの最先端アルゴリズムよりも優れた性能を達成できることを示した。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： 符号化 ,  *アルゴリズム ,  *局所性 ,  *学習アルゴリズム ,  再構成
準シソーラス用語： 最先端 ,  *辞書学習 ,  学習過程 ,  *画像分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 画像分類 ,  局所性 ,  制約 ,  ラベル ,  埋込み ,  辞書学習 ,  アルゴリズム