文献

J-GLOBAL ID：201702279742630911   整理番号：17A0408782

データ表現のためのグラフに基づく弁別概念因子分解【Powered by NICT】

Graph-based discriminative concept factorization for data representation

著者 (6件)： Li Huirong (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China) ,  Li Huirong (The School of Mathematics and Computer Application, Shangluo University, Shang luo, 726000, China) ,  Zhang Jiangshe (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China) ,  Hu Junying (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China) ,  Zhang Chunxia (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China) ,  Liu Junmin (The School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an,710049, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 118  ページ： 70-79  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  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)および概念因子分解(CF)は,データ表現における特徴学習,次元縮小と画像クラスタリングのような異なる目的のために広く使用されている。しかし,CFはNMFの変異体,クラスタ化過程を誘導するために利用できるラベル情報を利用しない教師なし学習法である。本論文では,半教師つき識別概念因子分解(SDCF)法,データの限られたラベル情報を利用する識別制約を提案した。この制約は同一クラス内のデータ点の表現は,新しい表現で一緒に,または同じ軸上に整列した非常に近くなければならない。さらに,局所多様体正則化を利用するために,新しい半教師つきグラフに基づく識別概念因子分解(GDCF)法の性能を改善するための局所多様体正則化とデータのラベル情報を組み込んだCFを提案した。GDCFはK最グラフを構築してデータ空間の局所幾何学的構造をコードするだけでなく,利用可能なラベル情報を考慮している。データ表現の識別能力は,クラスタリングタスクにおける強化された。いくつかのデータベース上での実験結果により,最新技術手法と比較して提案したSDCFとGDCF法の強度を示した。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： 次元縮小 ,  制約条件 ,  多様体 ,  クラスタ化 ,  正則化 ,  学習 ,  教師なし学習 ,  *データ表現 ,  データベース
準シソーラス用語： 画像クラスタリング ,  行列因数分解 ,  *因子分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 概念因子分解 ,  半教師つき学習 ,  データ表現 ,  ラベル情報

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

タイトルに関連する用語 (4件)： データ表現 ,  グラフ ,  概念 ,  因子分解