文献

J-GLOBAL ID：201502214580122914   整理番号：15A1263386

Kalmanフィルタによって正規化されたインクリメンタルな多クラス半教師つきクラスタリング

Incremental multi-class semi-supervised clustering regularized by Kalman filtering

著者 (3件)： MEHRKANOON Siamak (KU Leuven, ESAT-STADIUS, Kasteelpark Arenberg 10, B-3001 Leuven (Heverlee), BEL) ,  AGUDELO Oscar Mauricio (KU Leuven, ESAT-STADIUS, Kasteelpark Arenberg 10, B-3001 Leuven (Heverlee), BEL) ,  SUYKENS Johan A.K. (KU Leuven, ESAT-STADIUS, Kasteelpark Arenberg 10, B-3001 Leuven (Heverlee), BEL)
資料名： Neural Networks  (Neural Networks)
巻： 71  ページ： 88-104  発行年： 2015年11月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,正則化されたカーネルスペクトルクラスタリング(KSC)手法として定式化されているオンライン半教師つき学習アルゴリズムを紹介した。新しいデータが連続して訪れるが,そのほんのわずかだけがラベル付けされている場合を考えた。利用可能なラベル付きデータは模範としての役割を果たし,ラベルのないデータ点のラベルを推定するためにアルゴリズムの性能を向上させる助けとなる。最近提案された多クラス半教師つきKSCに基づくアルゴリズム(MSS-KSC)を採用し,それをオンラインデータクラスタリングに適用できるようにした。少しのユーザによってラベル付けされたデータ点が与えられると初期モデルを学習し,それから現在と後に続く時刻における残っているデータ点のクラス構成員を推定し,オンライン方式で伝播する。構成員の更新はモデルのサンプル外拡張属性を用いることによって主に実行した。最初は本アルゴリズムをコンピュータが生成したデータ集合でテストし,次にビデオセグメンテーションを半教師つき学習問題に割り当てられることを示した。さらに,Kalmanフィルタの追跡能力が動いている物体のラベルを提供するためにどのように使えるかを示し,MSS-KSCアルゴリズムによって得られた解を正規化した。実験では,クラスタが時間とともに滑らかに発達する合成データ集合と,実生活映像で提案した方法の性能を示した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *教師つき学習 ,  クラスタ化 ,  クラスタ分析 ,  *Kalmanフィルタ ,  アノテーション ,  機械学習 ,  計算機アルゴリズム ,  正規化 ,  評価試験
準シソーラス用語： *半教師つき学習 ,  クラスタリング

分類 (2件)： 人工知能  (JE08000Z) ,  フィルタ一般  (NC04021I)

タイトルに関連する用語 (3件)： Kalmanフィルタ ,  クラス ,  半教師つきクラスタリング