文献

J-GLOBAL ID：201802269161817169   整理番号：18A1744849

改良型低ランク線形回帰手法【JST・京大機械翻訳】

Novel Method of Improved Low Rank Linear Regression

著者 (5件)： Yu Chuanbo (云南大学信息学院 昆明 650500) ,  Nie Rencan (云南大学信息学院 昆明 650500) ,  Zhou Dongming (云南大学信息学院 昆明 650500) ,  Huang Fan (云南大学信息学院 昆明 650500) ,  Ding Tingting (云南大学信息学院 昆明 650500)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 45  号： z1  ページ： 151-156  発行年： 2018年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： オクルージョンや照明などの影響因子に対して,低ランク線形回帰モデルはロバストである。LRRR(LowRankRidgeRegression)およびDENLR(DiscriminativeElastic-netRegularizedLinearRegression)は,正則化係数行列によりLR(LowRankLinearRegression)による過フィッティング現象をある程度減少させた。しかし,部分空間データの誤り近似は考慮されず,射影行列は正確にデータをターゲット空間に写像できない。より高速で,より識別性の低い低ランク線形回帰分類の新しい方法を提案した。まず,0-1からなる行列を線形回帰の目標値とする。次に,カーネルノルムを低ランク制約の凸近似として用いた。次に,各クラスの距離行列とモデル出力行列を正規化することによって,射影部分空間の判別性を強化できる。次に,拡張ラグランジュ乗数(AugmentedLagrangianMultiplier,ALM)を用いて目的関数を最適化した。最後に,最近傍分類器を,部分空間において分類した。AR,FERET顔データベース,Stan-ford40Actions,Caltech-UCSDBird,およびOxford102Flowersデータベース上での相関アルゴリズムの比較実験を行った。結果は,提案したアルゴリズムが効率的であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  近似法 ,  アルゴリズム ,  高速度 ,  ノルム ,  オクルージョン ,  正則化 ,  凸形 ,  目的関数 ,  データベース ,  *射影 ,  最適化 ,  正規化
準シソーラス用語： 部分空間 ,  *線形回帰 , 【Automatic Indexing@JST】

著者キーワード (4件)： Low rank ,  Linear regression ,  Regularization ,  Classification

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 線形回帰 ,  手法