文献

J-GLOBAL ID：201702223189629781   整理番号：17A1034854

小サンプルサポートのためのモデル次数選択への応用を持つ疎なCCAアルゴリズム【Powered by NICT】

A sparse CCA algorithm with application to model-order selection for small sample support

著者 (2件)： Lameiro Christian (Signal and System Theory Group, Universitaet Paderborn, Germany) ,  Schreier Peter J. (Signal and System Theory Group, Universitaet Paderborn, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 4721-4725  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： 小試料支持体を有する二高次元データセット間の相関信号の数を決定する問題を取り上げて論じた。この設定では,正準相関分析(CCA)に基づく従来の方法は直接適用できない少数の試料から計算したとき正準相関は有意に過大評価されている。この問題を克服するために,主成分分析(PCA)前処理段階は,通常,データの次元を低減した。しかし,PCAはデータセット間の相関を考慮せずに各データ個別セットの次元を減少させた。本論文では,PCA CCA法の代替としてスパースCCA(SCCA)アルゴリズムを提案した。このアルゴリズムはl_1ノルムペナルティ,規定数非ゼロ成分を保つためにl_1ノルムの重量を最適化に基づいている。相関成分の数は情報理論的基準に基づいて選択した。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： 情報理論 ,  透視図法 ,  ノルム ,  *アルゴリズム ,  主成分分析 ,  最適化 ,  前処理
準シソーラス用語： 正準相関 ,  正準相関解析 ,  高次元データ ,  *モデル次数選択 , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： サンプル ,  モデル次数選択 ,  応用 ,  CCA ,  アルゴリズム