文献

J-GLOBAL ID：201702257013464094   整理番号：17A1779749

多項式平滑化に基づく部分空間学習法【Powered by NICT】

A subspace learning method based on polynomial smoothing

著者 (3件)： Wang Jin-Hai (East China University of Science and Technology, ShangHai 200237, China) ,  Chen Kai-Xing (East China University of Science and Technology, ShangHai 200237, China) ,  Yuan Yu-Bo (East China University of Science and Technology, ShangHai 200237, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLC  ページ： 366-373  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： 部分空間学習は,信号処理,機械学習,コンピュータビジョンなどに広く用いられている。行列ランク最小化は,基本的なモデルである。核ノルムはランク最小化のための凸緩和である。本論文では,核型ノルムを平滑化する多項式関数を提案した。Lagrange乗数法を用いて問題を解いた。最適解は,反復法によって得られた。Moreau-Yosida正則化演算子も反復法を構築した。低ランク表現を用いて,親和性グラフ行列は,スペクトルクラスタリングのために構築した。拡張YaleB顔データセット上での実験結果により,提案した方法は,一般的な部分空間学習法の性能を上回ることが多いことを示した。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： 緩和現象 ,  ノルム ,  逐次近似 ,  信号処理 ,  親和性 ,  *平滑化 ,  機械学習 ,  正則化 ,  グラフ行列 ,  凸形 ,  *多項式 ,  Lagrange乗数法 ,  コンピュータビジョン
準シソーラス用語： 最適解 ,  *部分空間学習 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 多項式 ,  平滑化 ,  部分空間学習