抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
非負マトリックス因数分解(NMF)は,非負次元縮退,特徴抽出,データマイニングなどの新しく一般に普及している方法であるNMF定義の数学モデルは非線形射影に基づき,これによって,高い計算負荷っを導く反復更新によって,NMFによる次元縮退を行った。その上,このモデルによって抽出したNMF特徴は通常はあまりまばらでなく,NMF設計の期待値を満たすことができない。3つ以上の問題を同時に解決するため,本論文は新モデルの線形射影ベースのNMF(LPBNMF)を提案して,そのための単調なアルゴリズムを設計した。数学的見解から,LPBNMFはNMFを行うためのスペシャルモードであり,次元縮退を線形に行う。LPBNMF特徴の高い希薄性を,その数学モデルの固有特性によって保証した。LPBNMFによる次元縮小のほうがNMFによる次元縮小よりもはるかに効率的であり,そのLPBNMF特性のほうがNMF特性よりもはるかにまばらで局所的であった。最後に,AR顔データベースに基づく実験によって,LPBNMF特性のほうがNMF特性,LDA特性,およびPCA特性よりも,最近傍分類法ベースの閉塞顔認識に適することを示した。Data from the ScienceChina, LCAS. Translated by JST