文献

J-GLOBAL ID：201802258762871484   整理番号：18A0537351

画像分類のための大きなマージンを用いた弁別多視点非負行列因数分解【Powered by NICT】

Discriminative multiview nonnegative matrix factorization with large margin for image classification

著者 (6件)： Long Fei (School of Electrical and Information Engineering, Guizhou Institute of Technology, Guiyang 550003, China) ,  Ou Weihua (School of Big Data and Computer Science, Guizhou Normal University, Guiyang 550025, China) ,  Zhang Kesheng (School of Electrical and Information Engineering, Guizhou Institute of Technology, Guiyang 550003, China) ,  Tan Yi (School of Electrical and Information Engineering, Guizhou Institute of Technology, Guiyang 550003, China) ,  Xue Yunhao (School of Electrical and Information Engineering, Guizhou Institute of Technology, Guiyang 550003, China) ,  Li Gai (School of Electrical and Information Engineering, Guizhou Institute of Technology, Guiyang 550003, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SPAC  ページ： 37-42  発行年： 2017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： 画像分類は,近年注目を集めている。分類精度を改善するために,複数の特徴は,通常は画像の文脈,これら特徴の組合せへの挑戦を課すを表現するために抽出した。この問題に対処するために,著者らはこれらの特徴はしばしば非負という観察に基づく画像分類のための弁別非負マルチビュー学習アプローチを提案した。識別のために,大きなマージンと非負基底ベクトルの集合を通して識別共通表現を学習するための補助情報としてクラスラベルを利用している。一方,低次元表現に課される視点一貫性制約と相関エントロピー誘導計量(CIM)は,再構成誤差の測定のために採用する。最適化問題を解決し,効果的な乗法更新規則を得るための半二次最適化技法を利用した。実験結果は,提案した方法により学習された一般的な潜在表現は他の方法よりも効率的で実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最適化問題 ,  再構成 ,  最適化手法 ,  エントロピー ,  乗算 ,  *画像
準シソーラス用語： 低次元 ,  基底ベクトル ,  分類精度 ,  *非負行列因子分解 ,  *画像分類 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 画像分類 ,  視点 ,  非負行列因数分解