文献

J-GLOBAL ID：201502218419377010   整理番号：15A1213596

フレーム束に基づく様々な多様体の接続学習アルゴリズム【Powered by NICT】

Multi-manifold Connection Learning Algorithm Based on Frame Bundle

著者 (2件)： Zhang Qiming (School of Computer Sci. and Technol., Soochow Univ., Suzhou) ,  Li Fanzhang (School of Computer Sci. and Technol., Soochow Univ., Suzhou)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 28  号： 5  ページ： 429-436  発行年： 2015年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  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： 伝統的多様体学習方法は多数の訓練試料を必要とする。全ての試料は多様体とみなし,識別的特徴は分類のような実用的な応用のために抽出した。しかし多くの状況では,訓練サンプルが十分でないので,1試料だけが訓練フェーズ時に存在した。枠束接続学習法を提示し,多重多様体の構造を構築した。に加えて,マニホルド間とintramanifold特徴を抽出問題を解くためのより識別情報を得た。マルチマニホールド構造を取り扱う場合,フレーム束に基づく二つの部分空間の学習モデルを用いて,異なった多様体のマージンを最大化するための高次元空間におけるデータを水平空間にした。同時に,データ構造は垂直空間における同じマニホールドで維持される。最後に,提案したアルゴリズムの有効性を証明するために提示したシミュレーション実験。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： シミュレーション ,  *多様体 ,  高次元 ,  *学習 ,  *学習アルゴリズム ,  データ構造 ,  多重化 ,  学習モデル ,  *アルゴリズム ,  マニホールド
準シソーラス用語： 最大化 ,  部分空間 ,  識別子 ,  訓練 ,  多様体学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 束 ,  多様体 ,  学習アルゴリズム