文献

J-GLOBAL ID：201702291619066492   整理番号：17A1903694

スペクトル回帰に基づくエッジFisher解析次元縮小アルゴリズム【JST・京大機械翻訳】

Marginal Fisher analysis algorithm based on spectral regression

著者 (3件)： Liu Mingming (中国鉱業大学信息与控制工程学院,江蘇徐州,221116) ,  Sun Wei (中国鉱業大学信息与控制工程学院,江蘇徐州,221116) ,  Liu Bing (中国鉱業大学計算机科学与技術学院,江蘇徐州,221116)
資料名： Zhongguo Keji Lunwen  (Zhongguo Keji Lunwen)
巻： 12  号： 8  ページ： 922-928  発行年： 2017年 
JST資料番号： C3242A  ISSN： 2095-2783  CODEN： ZKLHAF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スペクトル回帰に基づく端部Fisher解析モデルを提案し,MFA最適化モデルをスペクトル回帰問題に変換することにより,サンプルデータの特徴抽出を実現した。また,線形次元縮小とカーネル関数に基づく非線形次元縮小アルゴリズムを提案し,訓練アルゴリズムはスペクトル回帰とMFAの利点を備え,データ集合の多様体構造とクラス情報を完全に利用でき,オリジナルデータの非ガウス分布条件下での効率的次元縮小問題を解決できる。標準データセットに関する実験結果は,提案した方法が次元縮小の性能を改善するだけでなく,アルゴリズムの実行時間を減少することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *次元縮小 ,  学習アルゴリズム ,  正規分布 ,  解析モデル ,  多様体 ,  *アルゴリズム ,  *スペクトル ,  特徴抽出 ,  線形性
準シソーラス用語： 実行時間 ,  非線形次元縮小 ,  Kernel関数 ,  最適化モデル , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： スペクトル ,  エッジ ,  解析 ,  次元縮小 ,  アルゴリズム