文献

J-GLOBAL ID：201902238830390170   整理番号：19A0512139

ロバストなノンパラメトリック最近傍ランダムプロセスクラスタリング【JST・京大機械翻訳】

Robust Nonparametric Nearest Neighbor Random Process Clustering

著者 (2件)： Tschannen Michael (Department of Information Technology and Electrical Engineering, ETH Zurich, Zurich, Switzerland) ,  Bolcskei Helmut (Department of Information Technology and Electrical Engineering, ETH Zurich, Zurich, Switzerland)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 65  号： 22  ページ： 6009-6023  発行年： 2017年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
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： モデル統計と生成モデルの数の事前知識なしに,それらの生成モデルに従って,定常エルゴードランダム過程の雑音有限長観測をクラスタ化する問題を考察した。非類似性の尺度として推定パワースペクトル密度(PSD)間のL~1距離を用いる二つのアルゴリズムを解析した。最近傍プロセスクラスタリング(NNPC)と呼ばれる最初のものは,スペクトルクラスタリングにより観測の最近傍グラフを分割することに依存する。第2のアルゴリズムは,k-平均として簡単に参照され,最も遠い点の初期化を伴う単一k-平均反復から成り,異なる非類似性測度にもかかわらず,文献において以前に考慮された。両方のアルゴリズムは,雑音と欠落の存在下で高い確率で成功し,生成過程のPSDが著しく重なる場合でも,観測長が十分に大きいことを示した。著者らの結果は,生成過程PSDの重なり,観測長,欠落したエントリーの割合,および雑音分散の間のトレードオフを定量化した。最後に,合成および実データに対する広範な数値結果を提供し,NNPCが人間の運動シーケンスクラスタリングにおいて最先端のアルゴリズムより優れていることを見出した。Copyright 2019 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： 雑音 ,  測度 ,  *ノンパラメトリック法 ,  *確率過程 ,  パワースペクトル密度 ,  アルゴリズム ,  *ロバスト性 ,  *クラスタ化
準シソーラス用語： 最先端 ,  最近傍グラフ ,  スペクトラルクラスタリング ,  非類似性 ,  事前知識 ,  生成モデル , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： ロバスト ,  ノンパラメトリック ,  ランダムプロセス ,  クラスタリング