文献

J-GLOBAL ID：201802248425053515   整理番号：18A1900905

適応加重スパース主成分分析【JST・京大機械翻訳】

Adaptive Weighted Sparse Principal Component Analysis

著者 (4件)： Yi Shuangyan (Streaming Lab, Shen Zhen Instituted of Information Technology) ,  Liang Yongsheng (Streaming Lab, Shen Zhen Instituted of Information Technology) ,  Liu Wei (Streaming Lab, Shen Zhen Instituted of Information Technology) ,  Meng Fanyang (Streaming Lab, Shen Zhen Instituted of Information Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICME  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,最適再構成の観点から教師なし特徴選択法を提案した。提案した方法により選択した特徴は元のデータを良く表すことができ,選択した特徴の有効性をロバストな再構成とクラスタ化により実証した。提案した方法は,結合l_2,1ノルム最小化を再構成項と正則化項の両方に対して強調し,それらを列スパースにする。再構成項と正則化項の列-スパース特性に依存して,提案方法は異常値に対するロバスト性を改良することができて,効果的特徴を選択することができた。提案した目的関数は非凸である。幸いにも,大域的最適化解を得るために凸形(変数の変化を伴う)として等価に再定式化できる。実際に,提案方法はOMRPCAのスパース自己含有回帰型であるので,提案方法は最適平均ロバスト主成分分析(OMRPCA)に関連している。OMRPCAは基本的にデータサンプルに対する適応重みを追加するので,提案した方法の適応加重スパース主成分分析(AW-SPCA)と呼ぶ。実験結果はAW-SPCAの有効性を実証した。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】

シソーラス用語： 再構成 ,  目的関数 ,  凸形 ,  *主成分分析 ,  クラスタ化 ,  ロバスト性 ,  定式化 ,  ノルム ,  異常値 ,  正則化
準シソーラス用語： 大域的最適化 ,  選択法 ,  *加重 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 適応 ,  加重 ,  主成分分析