文献

J-GLOBAL ID：201802234335271527   整理番号：18A2045033

経路構造に基づく外部情報による非対称非類似性データのための展開モデル【JST・京大機械翻訳】

Unfolding Models for Asymmetric Dissimilarity Data With External Information Based on Path Structures

著者 (2件)： Tanioka Kensuke (Wakayama Medical University, Wakayama, Japan) ,  Yadohisa Hiroshi (Doshisha University, Kyoto, Japan)
資料名： International Journal of Software Innovation  (International Journal of Software Innovation)
巻： 6  号： 3  ページ： 53-66  発行年： 2018年 
JST資料番号： W3950A  ISSN： 2166-7160  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： 本論文は,様々な状況で観察される非対称非類似性データを含んでいる。非対称非類似性データにおいて,被験者iからjへの非類似性と被験者jからiへの非類似性は必ずしも同じではない。非対称多次元スケーリング(AMDS)は,被験者間の非対称関係を記述するための可視化法であり,被験者に対する非対称非類似性データを与える。AMDSは非対称関係を解釈するための有用なツールであるが,非対称非類似性データに対する同じ被験者の外部情報が与えられても,既存のAMDSは外部情報に対しては考慮できないことが確実である。推定座標を主成分分析(PCA)のような外部情報に対する負荷行列から解釈することができれば,AMDSはより有用になる。これは,推定された非対称性と低次元に関する外部情報の因子の間の関係を解釈することができるからである。本論文では,外部情報を有する新しいAMDSを提案した。さらに,提案した方法は,SEMのような変数に対する経路構造を考慮することができる。Copyright 2018 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 可視化 ,  高次元 ,  主成分分析 ,  *非対称性
準シソーラス用語： 低次元 ,  被験者 ,  *非類似性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 非対称多次元スケーリング(AMDS) ,  GSCA ,  スライドベクトルモデル ,  展開モデル

分類 (3件)： 生体計測  (EL03020C) ,  システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 経路 ,  非対称 ,  非類似性 ,  展開 ,  モデル