文献

J-GLOBAL ID：201802258394712576   整理番号：18A0934981

適応階層クラスタリングによるGauss混合学習【JST・京大機械翻訳】

Gaussian mixture learning via adaptive hierarchical clustering

著者 (2件)： Li Jichuan (Department of Electrical and Systems Engineering, Washington University in St. Louis, St. Louis, MO 63130, United States) ,  Nehorai Arye (Department of Electrical and Systems Engineering, Washington University in St. Louis, St. Louis, MO 63130, United States)
資料名： Signal Processing  (Signal Processing)
巻： 150  ページ： 116-121  発行年： 2018年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 信号処理において,多数のサンプルをモンテカルロ法によって生成することができ,次に,計算,記憶,および通信におけるコンパクト性のためのGauss混合モデルとして符号化した。多数のサンプルを学習するために,Gauss混合学習の計算効率が重要になる。本論文では,大規模データセットに対して正確かつ効率的に動作するGauss混合学習の新しい方法を提案した。提案した方法は,期待値最大化アルゴリズムと階層的クラスタリングを結合し,期待値最大化アルゴリズムのための初期推測を与える階層的クラスタリングを伴う。また,階層的クラスタリングのための適応分割を提案し,それにより,初期推測の品質を強化し,従って,組合せの精度と効率の両方を改善した。Gauss混合学習の数値例と分散粒子フィルタリングへの応用を通して,既存の方法と比較して提案した方法の性能を検証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 品質 ,  モンテカルロ法 ,  符号化 ,  *学習 ,  コンパクト性 ,  *クラスタ化 ,  信号処理
準シソーラス用語： 粒子フィルタリング ,  階層的クラスタリング ,  EMアルゴリズム ,  大規模データセット ,  計算効率 ,  Gauss混合モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： Gauss混合学習 ,  適応階層的クラスタリング ,  適応分割 ,  期待値最大化アルゴリズム ,  分散粒子フィルタリング

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 適応 ,  階層 ,  クラスタリング ,  学習