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。
マルチセット標準相関解析(MCCA)におけるサンプル共分散行列は,通常,訓練例のノイズおよび数の制限のために,真のものから逸脱している。本論文では,従って,サンプルの固有値および特異値のそれぞれの生成を行うために,分数次数埋込みのアイデアを利用することにより,その共分散行列の再推定を行った。次に,分数次数集合内および集合間散乱行列を定義し,それが,サンプル共分散行列の逸脱度を大幅に低減できることを述べた。最後に,マルチセット特徴融合のために新しいマルチセット標準相関手法を提案し,それを分数次数埋込みマルチセット標準相関(FEMCC)と命名した。提案FEMCC手法ではまず,同一のオブジェクトから得られた特徴ベクトルの多重集合上で結合型特徴抽出を実行し,次に,分類タスクのための識別型特徴ベクトルを形成するために,与えられた融合戦略により抽出された相関特徴の融合を行う。顔認識およびオブジェクトカテゴリー分類に対して提案手法を適用し,AR,AT&T,CMU PIE顔画像データベース,ETH-80オブジェクトデータベースを用いて検討を行った。多数の実験を行い,その結果,提案FEMCC融合手法の有効性およびロバスト性を示した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.