文献

J-GLOBAL ID：201802255097414374   整理番号：18A1681447

共通グラフプライアによる正準相関解析【JST・京大機械翻訳】

Canonical Correlation Analysis with Common Graph Priors

著者 (4件)： Chen Jia (ECE Dept. and Digital Tech. Center, Univ. of Minnesota, Mpls, MN, 55455, USA) ,  Wang Gang (ECE Dept. and Digital Tech. Center, Univ. of Minnesota, Mpls, MN, 55455, USA) ,  Shen Yanning (ECE Dept. and Digital Tech. Center, Univ. of Minnesota, Mpls, MN, 55455, USA) ,  Giannakis Georgios B. (ECE Dept. and Digital Tech. Center, Univ. of Minnesota, Mpls, MN, 55455, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SSP  ページ： 488-492  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： 正準相関分析(CCA)は,2つ以上のデータセットに共通の隠れたソースを活用するための良く評価された線形部分空間法である。CCAの利点は,次元縮小,ブラインドソース分離,分類,およびデータ融合のような様々なアプリケーションで記録されている。しかし,標準CCAは共通ソースの幾何学を利用せず,それは(交差)相関から推論されるか,あるいはデータから推論される。この文脈において,共通ソースによって提供される事前情報はグラフを通してここで符号化され,CCA正則化器として使用される。これにより,グラフCCA(GCCA)と呼ばれるが,これは共通ソースのグラフ誘起知識を説明し,一方,正準変数間の線形相関を最大化する。データベクトルの次元がベクトルの数に対して高いとき,新しいGCCAの二重定式化も開発した。顔画像分類のための2つの実際のデータセットに関する試験は,競合する代替案に対して提案したアプローチの長所を示した。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： 幾何学 ,  *ベクトル ,  正則化 ,  応用プログラム ,  次元縮小 ,  線形性 ,  定式化 ,  部分空間法 ,  データ融合
準シソーラス用語： 画像分類 ,  線形相関 ,  事前知識 ,  ブラインドソース分離 ,  *正準相関解析 , 【Automatic Indexing@JST】

分類 (5件)： 医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： グラフ ,  正準相関解析