文献

J-GLOBAL ID：201802226413828082   整理番号：18A2227714

感覚ビッグデータのロバスト回復のためのLS分解【JST・京大機械翻訳】

LS-Decomposition for Robust Recovery of Sensory Big Data

著者 (2件)： Liu Xiao-Yang (Department of Electrical EngineeringDepartment of Computer Science and EngineeringColumbia UniversityShanghai Jiao Tong University) ,  Wang Xiaodong (Department of Electrical EngineeringColumbia University)
資料名： IEEE Transactions on Big Data  (IEEE Transactions on Big Data)
巻： 4  号： 4  ページ： 542-555  発行年： 2018年 
JST資料番号： W2442A  ISSN： 2332-7790  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： 新しいインターネットのインターネット(IoT)システムは,感覚データの指数関数的爆発を供給している。IoTシステムの効果的な実装に対する主要な挑戦は,大量の欠落したデータエントリー,測定ノイズ,および異常読み取りの存在であり,これらは,感覚的な大きいデータのロバストな回復を調べることを動機づける。本論文では,低ランク行列とスパース異常行列の重ね合わせとして感覚読取行列を分解するLS分解手法を提案した。最初に,3つの代表的な実世界IoTプロジェクトからのデータセットに基づいて,すなわち,IntellLabプロジェクト(屋内環境),GreenOrbsプロジェクト(山岳環境),およびNDBC-CTDプロジェクト(海洋環境),異常読み取りが普遍的で無視できないことを観察した。第二に,LS分解問題の凸代理が適切な条件下で有界回復誤差を保証することを証明した。第3に,反復数の2乗に逆比例する速度で最適解に収束する加速された近位勾配アルゴリズムを提案した。上記の3つのデータセットに関する評価は,提案した方式が,欠落データ率≦50%に対して(相対的)回復誤差≦0.05を達成し,欠落データ率≦40%に対してほぼ正確な回復を達成するが,以前の方法は10%欠落データ速度においてさえ(相対的)回復誤差0.04~0.15を有することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凸形 ,  屋内環境 ,  山岳 ,  分割法 ,  インターネット ,  指数関数 ,  *ロバスト性 ,  海洋環境
準シソーラス用語： データレート ,  勾配アルゴリズム ,  最適解 ,  有界 ,  スパース ,  モノのインターネット ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 感覚 ,  ビッグデータ ,  ロバスト ,  回復 ,  分解