文献

J-GLOBAL ID：201702235600127619   整理番号：17A0965587

多重データセットを横切る共通部分空間次数の推定:fMRIデータをマルチディスクリプターへの応用【Powered by NICT】

Estimation of common subspace order across multiple datasets: Application to multi-subject fMRI data

著者 (3件)： Bhinge Suchita (Department of Computer Science and Electrical Engineering, University of Maryland, Baltimore County, 21250, United States of America) ,  Levin-Schwartz Yuri (Department of Computer Science and Electrical Engineering, University of Maryland, Baltimore County, 21250, United States of America) ,  Adali Tulay (Department of Computer Science and Electrical Engineering, University of Maryland, Baltimore County, 21250, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISS  ページ： 1-5  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： 多くの関節ブラインド信号源分離法の成功は,複数のデータ集合に渡って共通で信号部分空間のための正確な推定に依存している。これは,二つのデータセット,特に,尤度表式化においてカノニカル相関係数を用いた情報理論的基準と二段階法,主成分分析と正準相関分析に基づく方法を用いる方法に共通信号の数を推定する技術の開発を刺激してきた。しかし,これらの方法は二データセットに限定されている。本論文では,二以上のデータ集合に渡って共通で部分空間を推定するためのマルチセット正準相関分析とニーポイント検出(MCCA KPD)に基づく方法を提案した。シミュレーション例と実際の機能的磁気共鳴画像データを用いた次数推定法の詳細な比較を示した。多重データセットを横切る真の共通部分空間次数推定の観点からMCCA KPDの優れた性能を実証した。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： 相関係数 ,  情報理論 ,  *多重化 ,  シミュレーション ,  主成分分析
準シソーラス用語： 推定法 ,  多重集合 ,  正準相関解析 ,  尤度 ,  ブラインドソース分離 ,  *機能的MRI ,  *次数 ,  *部分空間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  移動通信  (ND08030H)

タイトルに関連する用語 (8件)： 多重データ ,  部分空間 ,  次数 ,  推定 ,  fMRI ,  マルチ ,  ディスクリプター ,  応用