文献

J-GLOBAL ID：201702291258315763   整理番号：17A0213977

ビットフリッピングによるL1ノルム主成分分析【Powered by NICT】

L1-Norm Principal-Component Analysis via Bit Flipping

著者 (4件)： Markopoulos Panos P. ,  Kundu Sandipan ,  Chamadia Shubham ,  Pados Dimitris A.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 326-332  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： データ行列X∈RD×NのK L1ノルム主成分(PCs)は,一般的な場合における,コストO(2nK)とO(Nrank(X)K K+1)で最適に見いだすことができ,rankXはN[1],[2]に対して一定である。確かに,実世界アプリケーションにおけるNが大きい場合,後者の多項式コストは法外なものになった。本研究では,L1BF:コストO(NDmin{N,D}+N2(K4+DK2)+DNK3)XのK L1PCを計算し,標準(L2ノルム)主成分分析のそれに匹敵する新規準最適アルゴリズムを提案した。数値研究は,提案したアルゴリズムが非常に高頻度に最適性を維持する一方,同時に,同程度の計算コストの対応物をL1-PCA計量に優れていることを示した。L1BFによって計算されたL1PCの異常値抵抗性は,疾患診断のための次元縮小とゲノムデータ分類に関する実験と報告されている。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： 異常値 ,  多項式 ,  アルゴリズム ,  次元縮小 ,  *ノルム ,  ゲノム ,  応用プログラム ,  *主成分分析
準シソーラス用語： データ分類 ,  計算コスト ,  最適性 ,  数値研究 ,  最適アルゴリズム ,  L2ノルム ,  *L1ノルム , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  符号理論  (ND02030R)

タイトルに関連する用語 (2件)： L1ノルム ,  主成分分析