文献

J-GLOBAL ID：201702219531963294   整理番号：17A1773317

確率的時間的部分空間クラスタ化【Powered by NICT】

Probabilistic Temporal Subspace Clustering

著者 (2件)： Gholami Behnam ,  Pavlovic Vladimir
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4313-4322  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： 部分空間クラスタリングは,局所線形構造を持つデータにおける変動の成分モードを同定するために使用される一般的なモデリングパラダイムである。これらの構造はコンピュータビジョンにおける多くの問題に共通な複雑な人間運動のモデル化時系列を含む。しかし古典的部分空間クラスタリングアルゴリズムは,時間依存性を考慮せずにデータセットの内の関係を学習し,最終的セグメンテーションのための分離クラスター化段階(例えば,スペクトルクラスタリング)を用いた。さらに,これらの,しばしば,最適化ベースのアルゴリズムは,全ての観察は,完全な特徴を持っていると仮定した。実世界応用では対照的に,いくつかの特徴はしばしば失われてしまう,これはこれらのアプローチの不完全なデータと実質的な性能変性をもたらした。本論文では,著者らは理にかなった方法で喪失した特徴量を扱う部分空間の逐次順序組合から得られたセグメントデータへの時間的部分空間クラスタリングのための統一されたノンパラメトリック生成フレームワークを提案した。生成モデルのノンパラメトリックな特性は,データから自動的に部分空間とそれらの次元数を推定することが可能になった。人間行動データセット上での実験結果により,提案したモデルは,他の最先端の部分空間クラスタリング手法を一貫して上回ることを示した。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： モデリング ,  セグメンテーション ,  線形構造 ,  ノンパラメトリック法 ,  時間依存性 ,  人間行動 ,  *クラスタ化 ,  最適化 ,  コンピュータビジョン ,  アルゴリズム
準シソーラス用語： 生成モデル ,  特徴量 ,  クラスタリングアルゴリズム ,  部分空間クラスタリング ,  *部分空間 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 確率 ,  部分空間 ,  クラスタ化