文献

J-GLOBAL ID：201902251464646804   整理番号：19A0512417

構造化スパース部分空間クラスタリング:結合親和性学習と部分空間クラスタ化フレームワーク【JST・京大機械翻訳】

Structured Sparse Subspace Clustering: A Joint Affinity Learning and Subspace Clustering Framework

著者 (3件)： Li Chun-Guang (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  You Chong (Center for Imaging Science, Johns Hopkins University, Baltimore, MD, USA) ,  Vidal Rene (Center for Imaging Science, Johns Hopkins University, Baltimore, MD, USA)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 6  ページ： 2988-3001  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： 部分空間クラスタリングは,部分空間の結合から引き出されたデータを分割する問題を参照する。この問題を解決するための最先端のアプローチは二段階アプローチに従う。第一段階では,スパースまたは低ランク最小化技法を用いてデータから親和性行列を学習する。第二段階では,この親和性にスペクトルクラスタリングを適用することによりセグメンテーションを見出した。このアプローチは多くの応用において最先端の結果をもたらしたが,親和性とセグメンテーションが互いに依存するという事実を利用しないので,それは準最適である。本論文では,親和性とセグメンテーションの両方を学習するための結合最適化フレームワーク,構造化スパース部分空間クラスタリング(S3C)を提案した。提案したS3Cフレームワークは,構造が未知のセグメンテーションに依存するノルムによって誘導される,すべての他のデータ点の構造化されたスパース線形結合として各データ点を表現することに基づいている。さらに,提案したS3Cフレームワークを,利用可能な部分的側面情報が,親和性を学習する段階に組み込まれるConsted S3C(CS3C)に拡張した。構造化スパース表現とセグメンテーションの両方を,スペクトルクラスタリングと乗算器の交互方向法の組合せにより見出すことができることを示した。合成データセット,拡張Yale B顔データセット,Hopkins155運動セグメンテーションデータベース,および3つの癌データセットに関する実験は,著者らのアプローチ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： *学習 ,  セグメンテーション ,  有効性 ,  *クラスタ化 ,  ノルム ,  データベース ,  *親和性 ,  乗算器 ,  最適化
準シソーラス用語： スパース表現 ,  線形結合 ,  最先端 ,  *部分空間 ,  *部分空間クラスタリング ,  スパース , 【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 (7件)： 構造化 ,  部分空間クラスタリング ,  結合親和性 ,  学習 ,  部分空間 ,  クラスタ化 ,  フレームワーク