文献

J-GLOBAL ID：201702212226237886   整理番号：17A1779721

断面区分因数分解に基づくテンソルデータにおける相関Coクラスタの検出【Powered by NICT】

Detection of correlated co-clusters in tensor data based on the slice-wise factorization

著者 (3件)： Zhao Hongya (Industrial Centeral, Shenzhen Polytechnic, Shenzhen, China) ,  Wei Zhenghong (Department of Statistics, Shenzhen University, Shenzhen, China) ,  Yan Hong (Department of Electronic Engineering, Kwoloon, Hong Kong, Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLC  ページ： 182-188  発行年： 2017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： 行列の拡張として,テンソルを応用における不均一多次元アレイをモデル化するための非常に強力なツールである。マトリックス中の双クラスタ化と同様に,共クラスタリングはテンソルのすべてのモードに沿って首尾一貫したパターンを同時に抽出できる。近年,様々な手法はテンソルの共クラスタを同定するために開発した。本論文では,スライス型フルランク因数分解(SFRF)に基づく新しい共クラスタリング法を提案した。スライス行列のフルランク分解の柔軟な制約と交互最小二乗(ALS)主力を開発した。計算時間はマトリックス特異値分解(SVD)に基づく圧縮技術に大きく低減できた。,共クラスタの元の同定は,係数行列の列空間における線形分類に変換できることを証明した。対応する列空間における点の幾何学的パターンを検出するための線形分類アルゴリズム(LGA)を用いた。最後に超平面上の点インデックスの組合せは,テンソルの共クラスタの検出を支持することに成功した。フルランクテンソル分解に基づくテンソルデータの共クラスタを同定するためのフレキシブルで高速なアルゴリズムを提供することを試みた。広範なシミュレーションにより,提案したアルゴリズムの有効性と効率性の実験的証拠を提供する。Copyright 2017 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： CPU時間 ,  *テンソル ,  高次元 ,  *クラスタ ,  モデリング ,  特異値分解 ,  最小二乗法 ,  *因数分解 ,  クラスタ化 ,  アルゴリズム ,  線形性
準シソーラス用語： テンソル分解 ,  超平面 ,  分類アルゴリズム ,  係数行列 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 因数分解 ,  テンソル ,  相関 ,  CO ,  クラスタ