文献

J-GLOBAL ID：201702231151080210   整理番号：17A1569101

重み付き低ランク表現と適応近傍選択を介した半教師つき判別分析法【Powered by NICT】

Semi-supervised discriminant analysis method via weighted low-rank representation and adaptive neighbor selection

著者 (5件)： Zhou Xue (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Wang Zhengqun (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Guo Zhibo (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Yan Chen (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Zhai Dongling (School of Information Engineering, Yangzhou University, Yangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IAEAC  ページ： 987-991  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： 次元縮小は顔認識の分野で非常に重要な部分である。伝統的次元の問題の観点から近傍パラメータKと低ランク表現係数行列の「高密度」特性を選択するために不便である還元法。重み付き低ランク表現と適応近隣選択(ANSWLR SDA)による半教師つき判別分析する方法を示した。まず,すべてのクラス内試料はクラス内コンパクト性を記述できるクラス内グラフを構築するために使用し,次に適応クラス間試料を選択クラス間を記述できるクラス間グラフを構築した。これに基づいて,試料の全体的な類似性構造を維持するために代表される重み付き低ランクによる正則化項を使用した。最後に,FERETとyale_facebデータベース上での実験を行い,この方法を比較した伝統的な次元縮小方法および結果は,ANSWLR SDA法は他の最新顔認識法とは異なるタイプのノイズへの有効性とロバストであることを実証した。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： グラフ ,  雑音 ,  類似性 ,  *判別分析 ,  ロバスト性 ,  正則化 ,  次元縮小 ,  コンパクト性 ,  データベース
準シソーラス用語： 高密度 ,  係数行列 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 表現 ,  適応 ,  近傍 ,  教師 ,  判別分析