文献

J-GLOBAL ID：202002271290155088   整理番号：20A0546181

Frechet平均ベースGrassmann判別分析【JST・京大機械翻訳】

Frechet mean-based Grassmann discriminant analysis

著者 (4件)： Yu Hongbin (The School of Digital Media, Jiangnan University, Wuxi, Jiangsu, China) ,  Xia Kaijian (China University of Mining Technology, Xuzhou, Jiangsu, China) ,  Jiang Yizhang (The School of Digital Media, Jiangnan University, Wuxi, Jiangsu, China) ,  Qian Pengjiang (The School of Digital Media, Jiangnan University, Wuxi, Jiangsu, China)
資料名： Multimedia Systems  (Multimedia Systems)
巻： 26  号： 1  ページ： 63-73  発行年： 2020年 
JST資料番号： W0687A  ISSN： 0942-4962  CODEN： MUSYEW  資料種別： 逐次刊行物 (A)
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： 画像集合とGrassmannマニホールドによるビデオを表現することは,機械学習研究における識別情報を抽出するための強力な能力のために一般的になった。しかしながら,Grassmannマニホールドに関する既存の技術操作は,通常,計算コストの問題に悩まされており,したがって,Grassmannマニホールドの適用範囲は制限されている。本論文では,ビデオ(または画像集合)データ次元縮小とクラスタ化タスクを実行するために,Frechet平均ベースのGrassmann判別分析(FMGDA)アルゴリズムを提案した。著者らにより提案されたデータ次元縮小アルゴリズムは,高次元データから相対低次元データへのGrassmannデータを低減するために使用できるだけでなく,クラス間距離を最大化し,クラス内距離を最小化する。Frechet平均を用いて,Grassmannマニホールド空間のクラスタ化中心を特性化した。さらに,学習問題を効率的に解くことができるトレース比問題として表現できることを示した。提案したアルゴリズムの性能を試験するための詳細な実験計画を設計し,いくつかのベンチマークデータセットについて試験を評価した。実験結果は,著者らのアプローチが最先端の方法よりも著しい改善をもたらすことを示した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 次元縮小 ,  *判別分析 ,  キャラクタリゼーション ,  Grassmann多様体 ,  学習 ,  マニホールド ,  実験計画法 ,  ベンチマーク ,  録画装置 ,  機械学習 ,  アルゴリズム ,  クラスタ化
準シソーラス用語： 低次元 ,  計算コスト ,  識別子 , 【Automatic Indexing@JST】

著者キーワード (3件)： Grassmann多様体 ,  Frechet平均 ,  Frechet平均ベースGrassmann判別分析(FMGDA)

分類 (3件)： 計算機網  (JC03000K) ,  テレビジョン一般  (ND12031N) ,  電話・データ通信・交換一般  (ND11010T)

タイトルに関連する用語 (2件)： 平均 ,  判別分析