文献

J-GLOBAL ID：201702280336266135   整理番号：17A1125600

ランダム多重グラフ:高次元データの分類のための半教師つき学習フレームワーク【Powered by NICT】

Random Multi-Graphs: A semi-supervised learning framework for classification of high dimensional data

著者 (5件)： Zhang Qin (Department of Computer Science and Technology, Ocean University of China, No. 238 Songling Road, Qingdao 266100, China) ,  Zhang Qin (Department of Science and Information, Agriculture University of Qingdao, No. 700 Changcheng Road, Qingdao 266109, China) ,  Sun Jianyuan (Department of Computer Science and Technology, Ocean University of China, No. 238 Songling Road, Qingdao 266100, China) ,  Zhong Guoqiang (Department of Computer Science and Technology, Ocean University of China, No. 238 Songling Road, Qingdao 266100, China) ,  Dong Junyu (Department of Computer Science and Technology, Ocean University of China, No. 238 Songling Road, Qingdao 266100, China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 60  ページ： 30-37  発行年： 2017年 
JST資料番号： A0611C  ISSN： 0262-8856  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： 現在,高次元データ処理の結果,どちらの時間とメモリ空間での二種の問題点:非効率的類似性測度と高い計算複雑性に直面する。これら二つの困難を扱うために一般的な方法は,次元縮小と特徴選択に基づいている。本論文では,ランダムフォレストとアンカーグラフ半教師つき学習のアイデアを組み合わせることにより,高次元データ問題を解決するために異なる方法を提示した。特徴の部分集合を選択するランダムグラフを構築するためのアンカーグラフ法を用いた。このプロセスは多重グラフ,実行効率を確実にするために並列に実行できるプロセスを得るために何度も繰り返される。多重グラフは,ラベルなしデータのラベルを決定するための投票。ランダムは一種の正則化と見なすことができることを論じた。その有効性を示すために,アンカーグラフに基づく二種の伝統的なグラフベース法と最新の半教師つき学習法と比較することにより,八件の実世界データセット上で提案手法を評価した。も顔認識の問題に提案手法を適用した。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： 図式解法 ,  測度 ,  計算量 ,  *多重化 ,  部分集合 ,  記憶装置 ,  正則化 ,  次元縮小 ,  *グラフ ,  類似性 ,  特徴選択
準シソーラス用語： ランダムグラフ ,  ランダムフォレスト ,  *半教師つき学習 ,  *高次元データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 半教師つき学習 ,  グラフ ,  正則化 ,  ランダム性 ,  2010アンカーMSC:00 0199 00

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 (6件)： 多重 ,  グラフ ,  高次元データ ,  分類 ,  半教師つき学習 ,  フレームワーク