文献

J-GLOBAL ID：201702247314688785   整理番号：17A0157178

KLDAに基づく図核降維法【JST・京大機械翻訳】

Dimensionality reduction method of graph kernel based on KLDA

著者 (5件)： Yu Yajun (College of Command Information System, PLA University of Science and Technology) ,  Pan Zhisong (College of Command Information System, PLA University of Science and Technology) ,  Hu Guyu (College of Command Information System, PLA University of Science and Technology) ,  Mo Xiaoyong (College of Command Information System, PLA University of Science and Technology) ,  Xue Jiao (College of Command Information System, PLA University of Science and Technology)
資料名： Zhongguo Kexue Jishu Daxue Xuebao  (Zhongguo Kexue Jishu Daxue Xuebao)
巻： 46  号： 9  ページ： 749-756  発行年： 2016年 
JST資料番号： C2239A  ISSN： 0253-2778  CODEN： CKHPD7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： グラフ構造は強い表現能力と高い柔軟性を持ち、グラフ構造データの識別と分類は構造パターン認識の範疇に属する。グラフ構造データに関する研究の考え方は、図構造データを図核をベクトル空間に変換するベクトルに変換し、そして従来の機械学習アルゴリズムを用いてそれを分析することである。グラフ構造に基づくデータ表現と解析は,機械学習の分野における研究ホットスポットになっている。そこで,古典的グラフ構造解析法を拡張し,線形カーネル判別分析(KLDA)を用いて,高次元特徴空間の次元縮小を行い,元のグラフ構造の特徴空間に対応する低次元の特徴空間を得た。次に,従来の機械学習アルゴリズムを用いて,これらの新しいデータを解析した。標準データセットに関する実験結果は,提案方法の有効性を示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 判別分析 ,  ベクトル ,  ホットスポット ,  柔軟性 ,  高次元 ,  学習アルゴリズム ,  パターン認識 ,  データ表現 ,  線形性 ,  ベクトル空間 ,  次元縮小 ,  *機械学習
準シソーラス用語： 低次元 ,  特徴空間 ,  グラフ構造 , 【Automatic Indexing@JST】

著者キーワード (4件)： graph classification ,  graph kernel ,  kernel linear discriminant analysis ,  dimensionality reduction

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 核