文献

J-GLOBAL ID：201802247514544068   整理番号：18A1385285

特徴抽出のためのロバスト判別回帰【JST・京大機械翻訳】

Robust Discriminant Regression for Feature Extraction

著者 (6件)： Lai Zhihui (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China) ,  Mo Dongmei (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China) ,  Wong Wai Keung (Institute of Textiles and Clothing, Hong Kong Polytechnic University, Hong Kong) ,  Xu Yong (Bio-Computing Research Center and the Key Laboratory of Network Oriented Intelligent Computation, Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China) ,  Miao Duoqian (Department of Computer Science and Technology, College of Electronic and Information Engineering, Tongji University, Shanghai, China) ,  Zhang David (Department of Computing, Biometrics Research Centre, Hong Kong Polytechnic University, Hong Kong)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 48  号： 8  ページ： 2472-2484  発行年： 2018年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： リッジ回帰(RR)とその拡張バージョンは,パターン認識における効果的特徴抽出法として広く使用されている。しかしながら,RRベースの方法はデータの変化に敏感であり,特徴抽出と認識のための限られた数の射影を学習することができる。これらの問題を解決するために,特徴抽出のためのロバスト判別回帰(RDR)と呼ばれる新しい方法を提案した。ロバスト性を強化するために,L_2,1-ノルムを提案RDRにおける基本的計量として用いた。回帰形式における設計されたロバスト目的関数は,固有関数を含む反復アルゴリズムによって解くことができ,それを通して,RDRの最適直交射影を固有分解によって得ることができた。収束解析と計算の複雑さを示した。さらに,RDRといくつかの以前の方法の間の固有の接続と差異を調査した。いくつかの良く知られたデータベースに関する実験は,RDRが文献で報告されている古典的で非常に最近の提案された方法より優れていることを示して,L_2-ノルムまたはL_2,1-ノルムベースの回帰方法を示さなかった。本論文のコードは,http://www.学者からダウンロードすることができた。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】

シソーラス用語： ノルム ,  固有関数 ,  パターン認識 ,  計算量 ,  データベース ,  *ロバスト性 ,  目的関数 ,  *特徴抽出
準シソーラス用語： 収束解析 ,  直交射影 ,  反復アルゴリズム ,  リッジ回帰 , 【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 (3件)： 特徴抽出 ,  ロバスト ,  判別