文献

J-GLOBAL ID：201702272827078696   整理番号：17A1034428

対称非負行列因数分解のための非凸分割法:収束解析と最適性【Powered by NICT】

A nonconvex splitting method for symmetric nonnegative matrix factorization: Convergence analysis and optimality

著者 (3件)： Lu Songtao (Department of Electrical and Computer Engineering, Iowa State University, Ames, 50011, USA) ,  Hong Mingyi (Industrial and Manufacturing Systems Engineering, Iowa State University, Ames, 50011, USA) ,  Wang Zhengdao (Department of Electrical and Computer Engineering, Iowa State University, Ames, 50011, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2572-2576  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： 対称非負行列因子分解(SymNMF)は,文書クラスタリング,コミュニティ検出と画像セグメンテーションのようなデータ分析問題における重要な応用を持っている。本論文では,SymNMFを解くための新しい非凸可変分割法を提案した。既存の研究とは異なり,アルゴリズムは,大域的線形収束率をもつ非凸SymNMF問題のKarush-Kuhn-Tucker(KKT)点集合に収束することを証明した。はこのアルゴリズムは,分散した方法で効率的に実装できることを示した。さらに,得られた解の大域的および局所的最適性を保証する十分条件を提供する。合成および実データ集合上で行った広範な数値結果は,提案したアルゴリズムは,溶液の高品質が得られ,他のアルゴリズムと比較して局所最小解の集合に迅速に収束することを示唆した。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： アルゴリズム ,  *分割法 ,  *対称性 ,  線形性 ,  データ解析 ,  *凸形 ,  十分条件
準シソーラス用語： 高品質 ,  点集合 ,  画像セグメンテーション ,  コミュニティ検出 ,  *最適性 ,  *収束解析 ,  *非負行列因子分解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 対称 ,  非負行列因数分解 ,  凸 ,  分割法 ,  収束解析 ,  最適性