文献

J-GLOBAL ID：201102211173503386   整理番号：11A1468984

ドメイン適応によるマルチタスククラスタリング

Multi-task clustering via domain adaptation

著者 (2件)： ZHANG Zhihao (Tsinghua National Lab. for Information Sci. and Technol. (TNList), State Key Lab. on Intelligent Technol. and ...) ,  ZHOU Jie (Tsinghua National Lab. for Information Sci. and Technol. (TNList), State Key Lab. on Intelligent Technol. and ...)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 45  号： 1  ページ： 465-473  発行年： 2012年01月 
JST資料番号： D0611A  ISSN： 0031-3203  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： クラスタリングはパターン認識や機械学習研究の基本的な論題である。従来のクラスタリング手法は,単一データ集合上での単一クラスタリング作業を取扱っていた。しかし,多くの現実の応用では,複数の類似のクラスタリング作業が同時に行われる。例えば,様々なショッピングウェブサイトのクライアントのクラスタリングで,そこでは,様々な題目のデータが各作業のために集められている。これらの作業はクロスドメインであるが,密接に関係している。この関係を適切に利用することにより各クラスタリング作業の個々の性能を改善できることが証明されている。この論文では,ドメイン適応を通して複数の関係したクラスタリング作業を同時に実行する新しい手法を提案した。共有部分空間はドメイン適応を通して学習される。ここでは,タスク間の分布のギャップは減少し,共有知識は学習した部分空間で強化された関係を利用して総ての作業を介して転送される。オブジェクトは,元と学習した空間の両方で最善のクラスタリングとして配置される。もう一つの最適化手法を導入し,その収束性を理論的に保証した。合成と現実のデータ集合での実験で提案手法の有効性を明らかにした。Copyright 2011 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  *クラスタ化 ,  *構造 ,  パターン認識 ,  改良 ,  適応 ,  情報共有 ,  空間 ,  最適化手法 ,  収束 ,  類似性 ,  同時性
準シソーラス用語： *クラスタリング ,  *ドメイン ,  *マルチタスク学習 ,  性能改善 ,  部分空間

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ドメイン適応 ,  マルチタスク ,  クラスタリング