文献

J-GLOBAL ID：202002234485521433   整理番号：20A0292299

結合多様体学習とテンソル核ノルムによる多視点クラスタリング【JST・京大機械翻訳】

Multi-view clustering by joint manifold learning and tensor nuclear norm

著者 (6件)： Xie Deyan (The State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China) ,  Xia Wei (The State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China) ,  Wang Qianqian (The State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China) ,  Gao Quanxue (The State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China) ,  Gao Quanxue (Xidian-Ningbo Information Technology Institute, 315000 Ningbo, China) ,  Xiao Song (The State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 380  ページ： 105-114  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 実世界応用において,同じクラスタに属する多視点データ点間の変動は,異なるクラスタに属するデータ点間の変動よりも大きい。これは,ほとんどの既存のクラスタリングアルゴリズムの不安定性をもたらす。それは,それらが,潜在的類似性マトリックスを学習するための入力として,主に元のデータを使用するからである。これらの問題を扱うために,多様体学習とテンソル特異値分解(t-SVD)を一様なフレームワークに統合することにより,マルチビュークラスタリング(LSLMC)のための新しい潜在的類似性学習を提案した。LSLMCは,スペクトルクラスタリングと結合した局所多様体学習により潜在的表現行列を復元するために,各視点から計算した類似性行列を利用する。したがって,すべてのビューによって共有される適応的に回復された類似性マトリックスは,マルチビューデータの基礎となるクラスタ化構造と局所多様体構造の両方をよく特徴付けることができる。さらに,誤差行列に対する低ランクテンソル制約を同時に用いることにより,視点固有情報と雑音を十分に探索することができる。したがって,回復した類似性マトリックスはよりロバストで正確になり,より良いクラスタリング性能をもたらす。5つの広く使われているマルチビューデータセットに関する広範な実験により,提案した方法の優位性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  特異値分解 ,  *学習 ,  類似性 ,  *ノルム ,  *クラスタ ,  *クラスタ化 ,  不安定性 ,  雑音 ,  *テンソル ,  *多様体
準シソーラス用語： マルチビュー ,  クラスタリングアルゴリズム ,  *多様体学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 多視点クラスタリング ,  局所多様体学習 ,  スペクトルクラスタリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 多様体学習 ,  テンソル ,  核 ,  ノルム ,  視点 ,  クラスタリング