文献

J-GLOBAL ID：201902264087532360   整理番号：19A2668942

互いに素な部分行列の最大加重集合のマイニング【JST・京大機械翻訳】

Mining a Maximum Weighted Set of Disjoint Submatrices

著者 (4件)： Branders Vincent (UCLouvain - ICTEAM/INGI, Louvain-la-Neuve, Belgium) ,  Derval Guillaume (UCLouvain - ICTEAM/INGI, Louvain-la-Neuve, Belgium) ,  Schaus Pierre (UCLouvain - ICTEAM/INGI, Louvain-la-Neuve, Belgium) ,  Dupont Pierre (UCLouvain - ICTEAM/INGI, Louvain-la-Neuve, Belgium)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11828  ページ： 18-28  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 分割サブマトリックス問題の最大重みづけ集合の目的は,入力行列の最大和をカバーするK分割サブマトリックスを発見することである。それは,生物情報学における遺伝子モジュール発見のような,関連するバイクラスタ化問題として,多くの実用的データマイニング応用を持っている。それは,分割制約の明示的定式化により,[6]に導入された最大加重サブマトリックス被覆問題とは異なる。サブマトリックスは重複しなければならない。言い換えると,すべてのマトリックスエントリーは,ほとんどのサブマトリックスでカバーされなければならない。最大和サブマトリックス問題と呼ばれる[数式:原文を参照]の特別なケースを,[5]における制約プログラミングによってうまく取り組んだ。残念ながら,[数式:原文を参照]のケースは,列の選択が,単にカラムのKセットの選択から多項式時間で決定することができないので,より挑戦的である。それは,[数式:原文を参照]-ハードであることを証明することができた。著者らは,制約プログラミングを用いて,柱を生成するハイブリッド柱生成手法を導入した。それを,合成データセットに関する実験を通して,標準混合整数線形計画法(MILP)と比較した。全体として,高速で価値のある解がカラム生成により見出され,MILPアプローチは多数の変数と制約を扱うことができない。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： CASE ,  重みづけ ,  高速度 ,  オートバイ ,  制約プログラミング ,  遺伝子 ,  定式化 ,  *データマイニング ,  被覆問題
準シソーラス用語： 混合整数線形計画法 ,  多項式時間 ,  ラスター化 ,  バイオインフォマティクス ,  *加重 ,  *互いに素 , 【Automatic Indexing@JST】

著者キーワード (6件)： 制約プログラミング ,  最大加重サブマトリックス ,  カラム生成 ,  互いに素な部分行列問題の最大加重集合 ,  Bi-クリーク ,  データマイニング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 行列 ,  加重 ,  集合