文献

J-GLOBAL ID：201602284656873250   整理番号：16A0349962

GPU並列加速に基づく多重特徴融合によるハイパーグラフの次元縮小【Powered by NICT】

Hypergraph Dimensionality Reduction with Multiple Feature Fusion Based on GPU Parallel Acceleration

著者 (5件)： Hong Chaoqun (Coll. of Computer and Information Engineering,Xiamen Univ. of Technol., Xiamen) ,  Chen Xuhui (Coll. of Computer and Information Engineering,Xiamen Univ. of Technol., Xiamen) ,  Wang Xiaodong (Coll. of Computer and Information Engineering,Xiamen Univ. of Technol., Xiamen) ,  Li Shijin (Coll. of Computer and Information Engineering,Xiamen Univ. of Technol., Xiamen) ,  Wu Keshou (Coll. of Computer and Information Engineering,Xiamen Univ. of Technol., Xiamen)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 42  号： 11  ページ： 90-93,117  発行年： 2015年 
JST資料番号： C2530A  ISSN： 1002-137X  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： グラフベース学習法である現在,次元低減のために普及している。しかし,複数特徴データに対し,異なる特徴の異なる関係は単一グラフに統合することが難しい。本論文では,新しい半教師つき次元縮小法は,複数特徴データのために提案した。最初に,超グラフ中の超辺はパッチとして仮定した。この方法では,超グラフはパッチ配列枠組みに適用した。次に,超辺の重みは,近接する塩基対間の距離の統計を計算し,異なる特徴からのパッチを統合した。第2に,計算Euclid距離と行列乗算の速度は,GPUを用いて改善される,それらはLaplace行列を構築することで多くの時間を取るので。実験結果は,分類性能と学習速度ともに改善を示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *次元縮小 ,  多重化 ,  学習
準シソーラス用語： 学習速度 ,  Euclid距離 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： GPU ,  加速 ,  多重 ,  特徴融合 ,  ハイパーグラフ ,  次元縮小