文献

J-GLOBAL ID：201802293780581920   整理番号：18A1508741

L_1/2ノルム正則化に基づくスパース特徴グルーピング【JST・京大機械翻訳】

Sparse Feature Grouping based on $¥ell_{1/2}$ Norm Regularization

著者 (3件)： Mao Wentao (Henan Normal University, School of Computer and Information Engineering, Xinxiang, 453007, CHINA) ,  Xu Wentao (Henan Normal University, School of Computer and Information Engineering, Xinxiang, 453007, CHINA) ,  Li Yuan (Henan Normal University, School of Computer and Information Engineering, Xinxiang, 453007, CHINA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACC  ページ： 1045-1051  発行年： 2018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： 近年,特徴グループ化技術は多くの実用的工学応用においてその有望な性能を示している。しかし,高次元データ上にモデルスパースを保ちながら,高度に関連した特徴の内部グループ構造を自動的に決定することは依然として困難である。本論文では,新しいスパース特徴グループ化アルゴリズムを,l_1/2ノルム正則化に基づいて提案した。一般的にl_1ノルムを用いる既存のレーザ様方法とは異なり,提案したアルゴリズムは,学習モデルをまばらにするために,特徴係数に対するl_1/2ノルム正則化器を導入した。さらに,提案したアルゴリズムは,1つのグループにおける特徴係数を類似させるためにグループ化正規化器を採用した。この問題を解決するために,新しい交互方向最適化アルゴリズムを提案した。実験は合成と実生活データセットで行い,結果はいくつかの最先端の方法と比較して提案した方法の比較性能を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： レーザ ,  *正則化 ,  学習モデル ,  正規化 ,  アルゴリズム ,  *ノルム
準シソーラス用語： 最先端 ,  最適アルゴリズム ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ノルム ,  正則化 ,  グルーピング