文献

J-GLOBAL ID：201702268549104537   整理番号：17A0448280

LAM~3L:局所的視覚データ分類のための適応最大マージン計量学習【Powered by NICT】

LAM³L: Locally adaptive maximum margin metric learning for visual data classification

著者 (5件)： Dong Yanni (The State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, PR China) ,  Du Bo (School of Computer Science, Wuhan University, PR China) ,  Zhang Lefei (Department of Computing, The Hong Kong Polytechnic University, Kowloon, Hong Kong) ,  Zhang Liangpei (The State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, PR China) ,  Tao Dacheng (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and Information Technology, University of Technology, Sydney, NSW 2007, Australia)
資料名： Neurocomputing  (Neurocomputing)
巻： 235  ページ： 1-9  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 各クラスに対する唯一のラベルを決定することを目的とした映像データ分類は,機械学習コミュニティにおいてますます重要な問題である。近年,分類,有望な性能を得るために良好な方法であることが証明されているが計量学習の応用が注目されている。しかし,複雑な分布を持つ限られた訓練試料とデータの結果として,大部分これらのアルゴリズムのは通常良く実行に失敗する。は,同種および異種クラスを分離最大限にための新しい局所適応最大マージンメトリック学習(LAM~3L)アルゴリズムを開発することが,最大マージンメトリック学習前後距離間の変化に基づくを動機づけた。広く使用されている二のUCIデータセットと実際のハイパースペクトルデータセット上での実験結果により,提案した方法は最新の計量学習法より優れていることを実証した。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： 映像 ,  視覚 ,  アルゴリズム ,  *学習
準シソーラス用語： 学習コミュニティ ,  *データ分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： 視覚データ分類 ,  マハラノビス距離 ,  メトリック学習 ,  局所適応制約

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 視覚 ,  データ分類 ,  適応 ,  計量 ,  学習