文献

J-GLOBAL ID：201802261904774627   整理番号：18A0384933

グラフに基づく部分空間クラスタリングのためのEigenGapによる大域的-局所的アフィニティーマトリックスモデル【Powered by NICT】

A global-local affinity matrix model via EigenGap for graph-based subspace clustering

著者 (5件)： Shi Daming (School of Computer Science and Technology of Harbin Institute of Technology, Harbin 150001, China) ,  Shi Daming (School of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Wang Jun (School of Computer Science and Technology of Harbin Institute of Technology, Harbin 150001, China) ,  Cheng Dansong (School of Computer Science and Technology of Harbin Institute of Technology, Harbin 150001, China) ,  Gao Junbin (Business School, The University of Sydney, NSW 2006, Australia)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 89  ページ： 67-72  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  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： 本論文では,大規模EigenGapとの親和性マトリックスを構築する有効スペクトルクラスタリング問題を取り上げて論じた。欠陥ブロック対角構造は正確なスペクトルクラスタリングのための需要のであるが,大きなEigenGap緩和ブロック対角親和性マトリックスであるより効果的で容易に得られる。トップ固有値を最大化し,残差を最小化する分数固有値和(FEVS)ペナルティを利用して提案したグローバルEigenGap方式。FEVS項と近接項の閉じた形の解も提示した。グラフ構築のための局所対距離測度を用いた地球EigenGapを統合した大域的-局所的アフィニティーマトリックスモデルを提案した。さらに,高次元データのための効果的な親和性行列を学習するためにLRRおよびRSIMのような最先端の部分空間回復方法を組み合わせて提案したモデルを用いた。著者らの知る限り,これは大きなEigenGapによるそのような緩和ブロック対角構造を追求しようとする最初の研究である。顔クラスタリングと運動セグメンテーションに包括的な実験を行い,新しい方法の重要な利点を明確に示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： セグメンテーション ,  ペナルティ ,  残差 ,  緩和現象 ,  *クラスタ化 ,  *グラフ ,  固有値 ,  親和性 ,  *モデル
準シソーラス用語： *部分空間 ,  最先端 ,  高次元データ ,  距離測度 ,  スペクトラルクラスタリング ,  *部分空間クラスタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： スペクトルクラスタリング ,  部分空間クラスタリング ,  低ランク表現 ,  EigenGap ,  親和性マトリックス

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： グラフ ,  部分空間クラスタリング