文献

J-GLOBAL ID：201002245748438128   整理番号：10A0109104

最小β発散手法による局所構造のロバストな抽出

Robust extraction of local structures by the minimum β-divergence method

著者 (6件)： NURUL HAQUE MOLLAH Md. (The Inst. of Statistical Mathematics, 10-3 Midori-cho, Tachikawa, Tokyo 190-8562, JPN) ,  NURUL HAQUE MOLLAH Md. (The Dep. of Statistics, Univ. of Rajshahi, Rajshahi-6205, Bangladesh) ,  SULTANA Nayeema (Dep. of Statistics, Islamia Coll., Binodpur, Rajshahi-6206, Bangladesh) ,  MINAMI Mihoko (Dep. of Mathematics, Keio Univ., Yokohama, Kanagawa 223-8522, JPN) ,  EGUCHI Shinto (The Inst. of Statistical Mathematics, 10-3 Midori-cho, Tachikawa, Tokyo 190-8562, JPN) ,  EGUCHI Shinto (The Graduate Univ. for Advanced Studies, 10-3 Midori-cho, Tachikawa, Tokyo 190-8562, JPN)
資料名： Neural Networks  (Neural Networks)
巻： 23  号： 2  ページ： 226-238  発行年： 2010年03月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,観測データがいくつかのヘテロPCAモデルの一つに従うような局所主成分分析(PCA)構造を調べるための新しい極めてロバストな学習アルゴリズムについて議論を行った。提案手法はβ発散を最小化することにより定式化される。それは,シフトパラメータの初期位置およびチューニングパラメータβに対する値に基づいて局所PCA構造をサーチする。シフトパラメータに関するこの初期選択が一つのデータクラスタに所属しているならば,次に,提案手法では,その他のクラスタのデータを異常値として無視することにより,そのデータクラスタの局所PCA構造を検出する。本論文では,チューニングパラメータβおよびシフトパラメータμの初期値に対する選択手続きについて議論を行った。シミュレーションにより提案手法の性能をデモンストレーションした。最後に,有限混合モデルに基づく手法と提案手法の比較を行った。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *学習アルゴリズム ,  *主成分分析 ,  ロバスト性 ,  発散 ,  最小化問題 ,  異常値 ,  クラスタ分析 ,  計算機シミュレーション ,  *交差検証法
準シソーラス用語： β発散

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 発散 ,  手法 ,  局所構造 ,  ロバスト