文献

J-GLOBAL ID：201602213054832274   整理番号：15A1250620

確率的正準相関解析の混合【Powered by NICT】

Mixture of Probabilistic Canonical Correlation Analysis

著者 (6件)： Zhang Bo (Key Lab. of Intelligent Information Processing, Inst. of Computing Technol., Chinese Acad. of Sciences, Beijing) ,  Hao Jie (School of Medicine Information, Xuzhou Medical Coll., Jiangsu, Xuzhou) ,  Ma Gang (Key Lab. of Intelligent Information Processing, Inst. of Computing Technol., Chinese Acad. of Sciences, Beijing) ,  Yue Jinpeng (Key Lab. of Intelligent Information Processing, Inst. of Computing Technol., Chinese Acad. of Sciences, Beijing) ,  Zhang Jianhua (Key Lab. of Intelligent Information Processing, Inst. of Computing Technol., Chinese Acad. of Sciences, Beijing) ,  Shi Zhongzhi (Key Lab. of Intelligent Information Processing, Inst. of Computing Technol., Chinese Acad. of Sciences, Beijing)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 52  号： 7  ページ： 1463-1476  発行年： 2015年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  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： 正準相関分析(CCA)は,統計的解析ツール,使用した二組の確率変数の間の相関を解析することである。CCAの重要な制限は,両方のデータセットを通して世界的に有効であることを二つのドメイン間の線形相関だけを検出できることである。実世界における非線形相関現象の大きな量を明らかにするためには十分ではない。この限界を解決するために,三つの主要な方法:カーネルマッピング,ニューラルネットワークと局在化の方法である。MixPCCAと呼ばれる局所線形確率的正準相関分析(PCCA)の混合モデルは,局在化の考えに基づいて構築され,モデルパラメータを推定するために提案される二段EMアルゴリズム。局所線形モデルの数を決定するためにどのように対処すべき基本的な問題である。クラスタアンサンブルのフレームワークによりこの問題を解決した。添加では,パターン認識に適用MixPCCAモデルの理論的枠組みを提案した。両USPSとMNIST手書き画像データセット上での結果は,提案したMixPCCAモデルは複雑な大域非線形相関を捕捉するための溶液を提供するだけでなく,それは局所領域に存在するだけで,従来のCCAまたはPCCAは発見できない相関検出の能力を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 統計解析 ,  ニューラルネットワーク ,  パターン認識 ,  画像 ,  *線形性
準シソーラス用語： 手書き ,  線形モデル ,  EMアルゴリズム ,  モデルパラメータ ,  混合モデル ,  局在化 ,  データセット ,  確率変数 ,  *正準相関解析 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 確率 ,  正準相関解析