文献

J-GLOBAL ID：201002272895393056   整理番号：10A0864035

多次元楕円体上への射影による高次元雑音含みデータからの学習

LEARNING FROM HIGH-DIMENSIONAL NOISY DATA VIA PROJECTIONS ONTO MULTI-DIMENSIONAL ELLIPSOIDS

著者 (2件)： GONG Liuling (Univ. Illinois at Chicago, IL) ,  SCHONFELD Dan (Univ. Illinois at Chicago, IL)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2010 Vol.3  ページ： 1970-1973  発行年： 2010年 
JST資料番号： E0316B  ISSN： 1520-6149  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： クラスタ化で重要な問題は,クラスタの正しい個数の決定である。種々のアルゴリズムが提案されているが,もし入力が高次元雑音含みデータの場合には,クラスタ化は極めて困難になる。半教師つきクラスタ化手法は,実世界のデータは一般に少量のラベル付きデータと大量のラベルなしデータからなるという事実を利用する。本論文は,高次元空間における雑音の影響を受けたデータから学習する問題を考察し,多次元楕円体(POME)上への射影を利用する新しい学習手法を提案した。この手法は,ローカル情報をデータ解析に使用し,データ分布の事前情報を受け入れる。提案したPOME学習手法を,教師なしクラスタ化と半教師つきクラスタ化および分類に適用した。シミュレーションにより,POME利用学習アルゴリズムの有効性を示した。

シソーラス用語： *学習アルゴリズム ,  *クラスタ化 ,  個数 ,  高次元 ,  雑音 ,  教師つき学習 ,  楕円体 ,  射影 ,  データ解析 ,  確率分布 ,  知識 ,  教師なし学習 ,  自動分類 ,  計算機シミュレーション ,  性能評価
準シソーラス用語： 事前情報

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 多次元 ,  楕円体 ,  射影 ,  高次元 ,  雑音 ,  学習