文献

J-GLOBAL ID：201602257953929421   整理番号：16A0550082

ラベルウオーキング非負行列因子分解

LABEL WALKING NONNEGATIVE MATRIX FACTORIZATION

著者 (5件)： LAN Long (National Univ. Defense Technol., Changsha, CHN) ,  GUAN Naiyang (National Univ. Defense Technol., Changsha, CHN) ,  ZHANG Xiang (National Univ. Defense Technol., Changsha, CHN) ,  HUANG Xuhui (National Univ. Defense Technol., Changsha, CHN) ,  LUO Zhigang (National Univ. Defense Technol., Changsha, CHN)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2015 Vol.4  ページ： 2299-2303  発行年： 2015年 
JST資料番号： E0316B  ISSN： 1520-6149  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： 著者等は,LWNMF(ラベルウオーキング非負行列因子分解)と呼ばれる新規の半教師付き非負行列因子分解法導入した。NMFは好評な監視無学習法である,それは非負データ行列Vを2つの非負行列(W,H)に分解する。NMFは,データ行列V=[v1,v2,-,vn]と,基本行列W=[w1,w2,-,wc] と係数行列H=[h1,h2,-,hn] の積WH,との間の2乗化された剰余の合計を最小化する,cは新規のディメンションである。即ち,f(W,H)=min_W,H||V-WH||²_F (5)。一方,著者等はLWNMFに対して次の目的関数を導入した。即ち,f(W,H)=minW,H(1/2)||V_l-WH_l||²_F+λ/2||V_u-WH_u||²_F+σ/2||W^Tl_m-l_c||²_F (6)。λはラベル付部分とラベル無部分とをトレードオフする,第1項と第2項とは同じW(基本行列)を共有する,この制約付き基本行列(W)はラベル情報を効率的に移動させる。H_lはラベル付用例のラベル行列である,H_uは無ラベル用例のソフトラベル行列であり,その各列は用例に対する種々のクラスタに亘る確率と考えられる。(6)式の第3項は列正規化されたWに対して使用される,σはバランスパラメータである,l_m及びl_cは全要素が1のベクトルである。著者等はこの方法と他の方法の比較を行った。結論では,‘LWNMFはラベル行列確率を説明可能にし,ラベル伝搬において好ましい効果をもたらす。又3文書の言語資料を古典的半教師付き学習法と比較し,著者等のアルゴリズムの有効性を実証した。’と述べた。

シソーラス用語： *因数分解 ,  *クラスタ化 ,  *行列 ,  クラスタ ,  確率 ,  *知識獲得 ,  正規化 ,  アルゴリズム
準シソーラス用語： *データ行列 ,  *係数行列 ,  *半教師付きクラスタリング ,  *非負行列因子分解 ,  *ラベル伝搬

分類 (2件)： 情報収集・整理  (AC04000I) ,  情報加工一般  (AC05010A)

タイトルに関連する用語 (2件)： ラベル ,  非負行列因子分解