文献

J-GLOBAL ID：201702271671763527   整理番号：17A0970152

低ランク表現を用いた特徴とグラフ学習の統合【Powered by NICT】

Integrating feature and graph learning with low-rank representation

著者 (4件)： Peng Chong (Department of Applied Mathematics, Yuncheng University, Yuncheng, Shanxi Province, 044000, China) ,  Peng Chong (Department of Computer Science, Southern Illinois University Carbondale, IL, 62901, USA) ,  Kang Zhao (Department of Computer Science, Southern Illinois University Carbondale, IL, 62901, USA) ,  Cheng Qiang (Department of Computer Science, Southern Illinois University Carbondale, IL, 62901, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 249  ページ： 106-116  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： 単一モデルにおけるデータの低ランク表現を学習しながら特徴および多様体学習を統合した新しい部分空間クラスタリング手法を提案する。この新しいモデルは,線形と非線形の両方の空間における最も適切な特徴のみを用いたデータの低ランク表現,線形と非線形の両方の空間におけるより正確なデータ関係を明らかにすることを助けを,データ関係は無関係な特徴による罹患小さくなる可能性があるからである。さらに,グラフラプラシアンを学習プロセス,独立した前処理段階としてグラフラプラシアンを構築する必要とする既存の非線形部分空間クラスタリング法からは本質的に異なるに従って更新される。特徴と多様体の学習プロセスが相互に互いを強化し,強力なデータ表現を導いた。広範な実験結果は,提案した方法の有効性を確認した。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： 線形性 ,  多様体 ,  *学習 ,  データ表現 ,  前処理
準シソーラス用語： 学習過程 ,  グラフラプラシアン ,  部分空間クラスタリング ,  多様体学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 部分空間クラスタリング ,  特徴選択 ,  多様体学習 ,  ロバスト

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 表現 ,  グラフ ,  学習 ,  統合