文献

J-GLOBAL ID：201902240366865926   整理番号：19A0512352

画像クラスタリングと半教師つき分類のための弾性ネットハイパーグラフ学習【JST・京大機械翻訳】

Elastic Net Hypergraph Learning for Image Clustering and Semi-Supervised Classification

著者 (5件)： Liu Qingshan (Jiangsu Key Laboratory of Big Data Analysis Technology, CICAEET, Nanjing University of Information Science and Technology, Nanjing, China) ,  Sun Yubao (Jiangsu Key Laboratory of Big Data Analysis Technology, CICAEET, Nanjing University of Information Science and Technology, Nanjing, China) ,  Wang Cantian (Nanjing Technical Vocational College, Nanjing, China) ,  Liu Tongliang (Centre for Artificial Intelligence and the Faculty of Engineering and Information Technology, University of Technology Sydney, Ultimo, NSW, Australia) ,  Tao Dacheng (Centre for Artificial Intelligence and the Faculty of Engineering and Information Technology, University of Technology Sydney, Ultimo, NSW, Australia)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 1  ページ： 452-463  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  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： グラフモデルは,複雑な構造とデータに隠された関係を学習するための非常に効果的なツールとして出現している。一般的に,グラフ指向学習アルゴリズムの重要な目的は,画像クラスタリングと分類タスクのための有益なグラフを構築することである。グラフ構築のための古典的K-Nearest 近傍およびr-近傍法に加えて,l_1-グラフおよびその変種は,中心データの隣接サンプルを見つけるための新しい方法であり,そこでは,対応するingoingエッジ重みを,残りのサンプルのスパース再構成係数によって同時に引き出した。しかしながら,l_1グラフの対リンクは,スパース再構成における中心データとその顕著なデータの間の高次関係を捉えることができない。一方,変数選択の観点から,LASSOモデルと見なされるl_1ノルムスパース制約は,高度に相関し,他を無視する一群のデータから1つのデータのみを選択する傾向がある。これらの欠点に同時に対処するために,二つのステップからなる新しい弾性ネットハイパーグラフ学習モデルを提案した。第一段階では,ロバストなマトリックス弾性ネットモデルを構築し,いくつかのgre欲な方法で,円錐的に関連したサンプルを見出し,l_2ペナルティをl_1制約に加えることにより,グループ化効果を達成した。第二段階では,ハイパーグラフを用いて,各データ間の高次関係と,それらをハイパーエッジと見なすことにより,その顕著なサンプルを表現した。次に,ハイパーグラフLaplace行列を,更なる解析のために構築した。次に,教師なしクラスタリングとマルチクラスの半教師つき分類を含む新しいハイパーグラフ学習アルゴリズムを導出した。顔と手書きデータベースに関する広範な実験により,提案した方法の有効性を実証した。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： データベース ,  ロバスト性 ,  *グラフ ,  学習アルゴリズム ,  学習モデル ,  *弾性 ,  *超グラフ ,  再構成 ,  有効性 ,  ペナルティ ,  *学習 ,  *クラスタ ,  円錐
準シソーラス用語： スパース ,  *半教師付き分類 , 【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 (6件)： 画像クラスタリング ,  半教師つき分類 ,  弾性 ,  ネット ,  ハイパーグラフ ,  学習