文献

J-GLOBAL ID：201702277365522656   整理番号：17A1391989

構造化グラフを用いた教師なし単一および多視点特徴抽出【Powered by NICT】

Unsupervised Single and Multiple Views Feature Extraction with Structured Graph

著者 (4件)： Zhuge Wenzhang (Department of Mathematics and System Science, National University of Defense Technology, Changsha, Hunan, China) ,  Nie Feiping (Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, Shanxi, China) ,  Hou Chenping (Department of Mathematics and System Science, National University of Defense Technology, Changsha, Hunan, China) ,  Yi Dongyun (Department of Mathematics and System Science, National University of Defense Technology, Changsha, Hunan, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 10  ページ： 2347-2359  発行年： 2017年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
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： 多くの特徴抽出法は,入力グラフ行列に基づくデータの次元を減少させる。生データポイント間の関係を反映するグラフ構築で得られた低次元表現の品質に重要である。グラフの品質を改善し,それは特徴抽出タスクに対してより適切にするために,著者らは新しいグラフ学習機構を特徴抽出に学んだグラフと低次元表現の間の相互作用を加えた。この学習機構に基づいて,著者らは,構造化されたグラフ(FESG)を用いた教師なし単一ビュー特徴抽出と名付け,これはクラスタリング情報を含む変換行列と理想的な構造グラフを学習する新しいフレームワークを提案した。さらに,マルチビュー学習タスクのためのFESG枠組みを拡張する新しい方法を提案した。拡張は構造グラフ(MFESG)を用いた教師なし多視点特徴抽出と命名するが,これは付加的パラメータを必要とせずに自動的に各ビューのための最適重みを学習する。フレームワークの有効性を示すために,FESGとMFESG内の二つのコンクリート調合を設計し,二効率的な解法アルゴリズムを示した。多くの実世界データセット上での期待の持てる実験結果により,提案したアルゴリズムの有効性を検証した。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： *特徴抽出 ,  アルゴリズム ,  品質 ,  グラフ行列 ,  学習 ,  *構造形成 ,  相互作用 ,  *グラフ ,  コンクリート ,  クラスタ化
準シソーラス用語： マルチビュー学習 ,  変換行列 ,  低次元 ,  生データ , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 構造化 ,  グラフ ,  教師 ,  視点 ,  特徴抽出