抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
著者らの日常生活において,複数の特徴によって特徴付けられるより多くのデータがある。多視点設定において,単一視点を用いて推定されたクラスタは,いくつかの限界を有し,単一視点クラスタリングの品質は,マルチビュークラスタリングによって改善することができた。自己ペース学習は,人間の学習過程をシミュレートし,それは,容易に複雑から複雑になるように,視覚の情報をクラスタ化タスクに徐々に結合することができる。本論文では,最初に新しい混合自己ペース学習正則化を提案した。正則化器の有効性を再現するために,著者らはそれをロバストな多視点k-平均クラスタリングと結合して,新しい自己集合学習ベースのマルチビューk-平均(SPLMKM)クラスタリング法を提案した。非自明な寄与として,交互最小化戦略に基づく解を示した。比較実験により,提案した方法の利点を明らかにした。Copyright 2018 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】