抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くのスペクトルクラスタリングアルゴリズムを提案し,コンテンツベース画像検索,画像アノテーション,画像インデクシングのような画像データ分析に成功裏に適用した。従来のスペクトルクラスタリングアルゴリズムは,通常2段階過程を含む:類似性マトリックスとクラスタ化帰属の固有分解k-平均またはスペクトル回転による固有ベクトル。しかし,2段階プロセスによって得られた最終クラスタリング帰属は元の目的関数を最適化直接帰属から外れる可能性がある。さらに,これらの方法の大部分は通常,非常に高い計算複雑性を有する。本論文では,画像クラスタリング,データサイズに線形的に比例するための新しい最小カットアルゴリズムを提案した。新しい方法では,平衡分配を生産するには,排他的Lassoはバランス正則化器として導入される提案した自己釣合最小カットモデル。新しいモデル,nはサンプルの数が,O(n)の時間複雑性を解くための反復アルゴリズムを提案した。理論解析は,新手法では,同時グラフカットを最小化し,すべてのクラスタの分配を釣合わせることができることを明らかにした。一連の実験を合成およびベンチマークデータセットの両方で実行し,実験結果は,この新しい方法の優れた性能を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】