文献

J-GLOBAL ID：201202234110273183   整理番号：12A0098852

スパース性スペクトルハッシング

Sparse spectral hashing

著者 (4件)： SHAO Jian (Coll. of Computer Sci., Zhejiang Univ., CHN) ,  WU Fei (Coll. of Computer Sci., Zhejiang Univ., CHN) ,  OUYANG Chuanfei (Coll. of Computer Sci., Zhejiang Univ., CHN) ,  ZHANG Xiao (Coll. of Computer Sci., Zhejiang Univ., CHN)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 33  号： 3  ページ： 271-277  発行年： 2012年02月01日 
JST資料番号： H0913A  ISSN： 0167-8655  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： 高次元特徴データ点のための優れた類似性インデックス構造は,特徴豊かなデータセットに関する拡張可能なコンテンツベースの検索システムを構築するためには非常に好ましかった。本稿では,著者らは,スパース性主成分解析(Sparse PCA)とブースティング類似性鋭敏型ハッシング(ブースティングSSC)を従来のスペクトルハッシングと現実データのための効率とデータの両方を意識した二値符号化に導入した。著者らはこのスパース性スペクトルハッシング(SSH)と呼んだ。SSHは,非零特性の数を抑制することによってLaplacianグラフの固有ベクトルの部分集合を閾値処理することとして,二値符号化の問題を定式化した。SSHにおいて,訓練データ外でデータ点に対して,グローバルに最適で,有効な符号化をするために,凸緩和と固有関数学習を行った。FlスコアとAUCに関する比較により,SSHが,画像とテキストデータセットの両方において,他の方法よりも実質的に優れているということを示した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *スペクトル ,  *ハッシング ,  高次元 ,  類似性 ,  集合 ,  主成分分析 ,  固有関数 ,  固有ベクトル
準シソーラス用語： インデックス ,  *スパース性 ,  データセット ,  主成分解析

分類 (2件)： その他の情報処理  (JE15050M) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： スパース性 ,  スペクトル ,  ハッシング