文献

J-GLOBAL ID：201702266687625859   整理番号：17A1455054

Spikeとスラブバイクラスタリング(biclustering)【Powered by NICT】

Spike and slab biclustering

著者 (4件)： Denitto M. (University of Verona, Strada Le Grazie 15, Ca’ Vignal 2, Verona, Italy) ,  Bicego M. (University of Verona, Strada Le Grazie 15, Ca’ Vignal 2, Verona, Italy) ,  Farinelli A. (University of Verona, Strada Le Grazie 15, Ca’ Vignal 2, Verona, Italy) ,  Figueiredo M.A.T. (Instituto de Telecomunicacoees, and Instituto Superior Tecnico, Universidade de Lisboa, Av. Rovisco Pais 1, Lisboa, Portugal)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 72  ページ： 186-195  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 選択列を選択カラム,およびその逆のコヒーレント挙動を示すがバイクラスタリングは,与えられたデータマトリックスの行と列のクラスタリングの問題に言及し,部分行列得るのが目標である。この本質的に困難な問題に直面して,本論文は,新しい生成モデル,バイクラスタリングは,スパース低ランク行列因数分解からアプローチを提案した。主なアイデアは,他の二種のマトリックス,そこからバイクラスタのsoughtに属する行と列に関する情報を得ることができで与えられたデータ行列の因子分解を記述する確率モデルを設計することである。提案モデルにおける一つの重要な成分は前スパース性誘導スパイクとスラブの使用であり,このようにして提案アプローチスパイクとスラブバイクラスタリング(SSBi)と名付けた。SSBiモデルのパラメータを推定するために,著者らは,SSBiEMと呼ばれる,期待値最大化(EM)アルゴリズムの各反復での低ランク因数分解問題を解決し,最近提案された拡張Lagrangianアルゴリズムを用いて提案した。合成および実データを用いた実験により,SSBiアプローチは最先端に匹敵することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 確率モデル ,  *因数分解 ,  透視図法 ,  コヒーレンス ,  アルゴリズム
準シソーラス用語： 最先端 ,  EMアルゴリズム ,  スパース性 ,  因子分解 ,  行列因数分解 ,  生成モデル ,  *バイクラスタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： バイクラスタリング ,  スパイクとスラブ ,  確率的グラフィカルモデル ,  期待値最大化

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 (3件)： SPIKE ,  スラブ ,  バイクラスタリング