文献

J-GLOBAL ID：201602218398493709   整理番号：16A1386532

平滑グラフ信号のためのロバストなラプラシアン行列学習【Powered by NICT】

Robust laplacian matrix learning for smooth graph signals

著者 (4件)： Hou Junhui (Nanyang Technological University, Singapore, 639798) ,  Chau Lap-Pui (Nanyang Technological University, Singapore, 639798) ,  He Ying (Nanyang Technological University, Singapore, 639798) ,  Zeng Huanqiang (Huaqiao University, China, 361021)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICIP  ページ： 1878-1882  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Gauss雑音とランダム値インパルス雑音(すなわち,異常値)の両方の存在下で観測された滑らかなグラフ信号からのロバストな学習ラプラシアン行列のための新しい方法を提案した。[1]で滑らかなグラフ信号を表現するための最近開発された因子分析モデルを用いて,制約付最適化問題として学習過程を定式化し,ロバスト性を改善するためにデータ忠実度を測定するための£1ノルムを採用した。三種類合成グラフの計算結果は,提案した方法が一般的に使用される情報検索メトリックスの観点において,最新の方法,F測度,精度,再現率と正規化相互情報などに優れていることを実証した。特に,F値は最大16%改善されることを観察した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 情報検索 ,  Gauss雑音 ,  正規化 ,  *ロバスト性 ,  異常値 ,  *学習 ,  測度 ,  因子分析 ,  ノルム ,  制約付最適化問題
準シソーラス用語： F値 ,  再現率 ,  メトリックス ,  学習過程 ,  *Laplacian行列 , 【Automatic Indexing@JST】

分類 (3件)： 信号理論  (ND02020G) ,  音響信号処理  (BB03050C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： グラフ ,  ロバスト ,  ラプラシアン行列 ,  学習