文献

J-GLOBAL ID：201802212234497641   整理番号：18A0614801

スパース性ベースクラスタリング手法のレビュー【Powered by NICT】

A review of sparsity-based clustering methods

著者 (2件)： Oktar Yigit (Department of Computer Engineering, Izmir University of Economics, Izmir, Turkey) ,  Turkan Mehmet (Department of Electrical and Electronics Engineering, Izmir University of Economics, Izmir, Turkey)
資料名： Signal Processing  (Signal Processing)
巻： 148  ページ： 20-30  発行年： 2018年 
JST資料番号： A0102B  ISSN： 0165-1684  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： 高次元の場合には,固有クラスタを発見に適した部分空間探索を含む解として提案されているクラスデータクラスタリング法。過完備辞書表現の使用により次元膨張を組み込むとしてスパース性-利用クラスタリング手法は,部分空間法におけるねじれを含んでいる。このように,これらのアプローチは,全体として部分空間クラスタリングを利用するより広い探索空間を提供する。しかし,スパース性制約単独では構造化されたクラスタを強化しなかった。ある厳しい制約により,データグループ化が可能である,これは制約の形式に依存してクラスタ化の型に相当する。辞書,スパース性制約の二重は全スパース性ベースのクラスタリング法のもう一つの側面である。市販または固定波形辞書とは異なり,適応辞書を追加状態モデルそのものを形成するより適応形に利用することができる。構造化スパース性を用いたChained,適応辞書は状態モデル良く形成されたクラスタへの強制。構造化スパース性と指定された部分空間を再帰による溶解分類に対応する深いスパース構造を獲得することができる。最終ノートとして,このような手順は,さらに様々な他の機械学習展望を含むように拡張することができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ねじり変形 ,  *透視図法 ,  部分空間法 ,  高次元 ,  溶解 ,  クラスタ化 ,  *クラスタ ,  機械学習 ,  構造形成
準シソーラス用語： スパース表現 ,  探索空間 ,  部分空間クラスタリング ,  部分空間 ,  *クラスタリング法 ,  *スパース性 , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタリング ,  スパース表現 ,  構造化スパース性 ,  深部スパース構造

分類 (3件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I) ,  アンテナ  (ND06000M)

タイトルに関連する用語 (3件)： スパース性 ,  クラスタリング手法 ,  レビュー