文献

J-GLOBAL ID：201802260156758090   整理番号：18A1686284

再生カーネルHilbert空間における信号対雑音比【JST・京大機械翻訳】

Signal-to-noise ratio in reproducing kernel Hilbert spaces

著者 (3件)： Gomez-Chova Luis (Image Processing Laboratory (IPL), Universitat de Valencia, Catedratico Jose Beltran, Paterna 46980, Spain) ,  Santos-Rodriguez Raul (Department of Engineering Mathematics, University of Bristol, Tyndall Avenue, Bristol BS8 1TH, UK) ,  Camps-Valls Gustau (Image Processing Laboratory (IPL), Universitat de Valencia, Catedratico Jose Beltran, Paterna 46980, Spain)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 112  ページ： 75-82  発行年： 2018年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,異なる機械学習と信号処理応用のためのカーネル信号対雑音比(kSNR)を紹介した。kSNRは,再生カーネルHilbert空間(RKHS)において明示的に推定された雑音分散を最小化しながら,信号分散を最大化することを求める。kSNRは付加雑音モデルを超える複雑な信号対雑音関係を考慮することをもたらし,特徴抽出と次元縮小のための有用な正則化器として見ることができる。kSNRはカーネルPCA(および他のスペクトル次元縮小法),最小二乗SVM,およびカーネルリッジ回帰を一般化し,信号と雑音が独立に仮定できない場合を扱うことを示した。ランダムFourier特徴近似に関する縮小ランクNyststromと射影に基づく計算的に効率的な代替案を与え,性能とその安定性の限界を解析した。著者らは,非線形回帰,チャネル等化における非線形分類,高次元スペクトル衛星画像からの非線形特徴抽出,および二変量因果推論を含む種々の例を通してこの方法を例示した。実験結果は,提案したkSNRがより正確な解を生み出し,標準的な手法と比較して,より多くの雑音のない特徴を抽出することを示した。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： 機械学習 ,  最小二乗法 ,  正則化 ,  特徴抽出 ,  *Hilbert空間 ,  信号処理 ,  *SN比 ,  *雑音 ,  衛星利用画像 ,  次元縮小 ,  スペクトル ,  高次元
準シソーラス用語： 因果推論 ,  線形回帰 ,  リッジ回帰 , 【Automatic Indexing@JST】

著者キーワード (8件)： カーネル法 ,  騒音モデル ,  信号対雑音比 ,  SNR ,  異分散 ,  特徴抽出 ,  信号分類 ,  因果推論

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)： カーネル ,  Hilbert空間 ,  信号対雑音比