文献

J-GLOBAL ID：201702239106466328   整理番号：17A1034475

比例データの教師つき線形次元縮小のためのDirichlet混合マッチング予測【Powered by NICT】

Dirichlet Mixture Matching Projection for supervised linear dimensionality reduction of proportional data

著者 (2件)： Masoudimansour Walid (Department of Electrical and Computer Engineering, Concordia University, Montreal, QC, Canada) ,  Bouguila Nizar (Concordia Institute for Information Systems Engineering, Concordia University, Montreal, QC, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2806-2810  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： 標識比例データの次元を低減する効果的な新しいアルゴリズムは,データ低次元空間に投影するために最適線形射影を用いた提示した。各クラス投影データのDirichlet分布の混合によって生成されると仮定して,KL-ダイバージェンス(divergence)は,予測されたクラスの相互情報量を最大化するための非類似性測度として用い,分離可能性を改善した。最後に用いて,そのような最適射影を見つけるための遺伝的アルゴリズム。提案したアルゴリズムは,比例データの二値分類のための前処理段階として設計されているが,混合物の使用により,マルチモーダルデータを予測でき,したがって,多クラス分類に用いることができる。実験は,提案した技術が有効であり,常に同じカテゴリーからの良く知られたアルゴリズムと比較してより良好な結果をもたらすことを示した。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： 測度 ,  *予測 ,  *線形性 ,  アルゴリズム ,  ダイバージェンス ,  *次元縮小 ,  相互情報量 ,  *マッチング ,  遺伝的アルゴリズム ,  射影
準シソーラス用語： 多クラス分類 ,  二値分類 ,  分離可能性 ,  非類似性 ,  Dirichlet分布 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 比例 ,  教師 ,  線形 ,  次元縮小 ,  マッチング ,  予測