文献

J-GLOBAL ID：201502212180948195   整理番号：15A1153505

判別拡散マップ解析に基づく非線形特徴抽出【Powered by NICT】

Nonlinear feature extraction based on discriminant diffusion map analysis

著者 (3件)： Zhang Cheng (Dep. of Sci., Shenyang Univ. of Chemical Technol., Liaoning, Shenyang) ,  Liu Yadong (Coll. of Information Engineering, Shenyang Univ. of Chemical Technol., Liaoning, Shenyang) ,  Li Yuan (Coll. of Information Engineering, Shenyang Univ. of Chemical Technol., Liaoning, Shenyang)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 35  号： 2  ページ： 470-475  発行年： 2015年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 高次元データを直感的に理解することは困難であり,伝統的な機械学習とデータマイニング法により処理した効果的にできないことを目指して,判別拡散マップ解析(DDMA)と呼ばれる非線形次元縮小のための新しい方法を提案した。拡散マップのフレームワークに判別カーネル法を適用することによって実行した。Gaussカーネル窓幅は試料カテゴリーラベルを識別に従ってクラス内幅とクラス間幅から選択した,カーネル関数はデータ相関特徴を効果的に抽出し,データ空間の構造特性を記述した。DDMAは人工スイスロール試験とペニシリン発酵プロセスに使用される,主成分分析(PCA),線形判別分析(LDA),カーネル主成分分析(KPCA),ラプラシアン固有マップ(LE)および拡散マップ(DM)との比較であった。結果はDDMAは低次元空間における高次元データを表すデータの元の特性を保持に成功したさらにDDMAにより生成された低次元空間におけるデータ構造の特徴は比較した方法によって生成したものよりも優れている,データ次元縮小と特徴抽出の性能は,提案スキームの有効性を検証した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 主成分分析 ,  データマイニング ,  *特徴抽出 ,  データ構造 ,  構造特性 ,  次元縮小 ,  ペニシリン発酵 ,  機械学習
準シソーラス用語： 低次元 ,  カーネル主成分分析 ,  線形判別分析 ,  Kernel関数 ,  Kernel法 ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 判別 ,  拡散マップ ,  解析 ,  非線形 ,  特徴抽出