抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】