文献

J-GLOBAL ID：202002283765434043   整理番号：20A1615900

Schatten-pノルムによる潜在低ランク表現に基づく部分空間クラスタリング【JST・京大機械翻訳】

Subspace Clustering Based on Latent Low Rank Representation with Schatten-p Norm

著者 (4件)： Cao Jiangzhong (Guangdong University of Technology,School of Information Engineering,Guangzhou,China) ,  Fu Yilan (Guangdong University of Technology,School of Information Engineering,Guangzhou,China) ,  Shi Xiaodong (Guangdong University of Technology,School of Information Engineering,Guangzhou,China) ,  Ling Bingo Wing-Kuen (Guangdong University of Technology,School of Information Engineering,Guangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： WSAI  ページ： 58-62  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： クラスタ分析はデータマイニングの分野での鍵となる技術の1つである。それらの中で,高次元データクラスタリングは,クラスタリング解析におけるコアと最も挑戦的なタスクである。部分空間クラスタリングは,高次元データのための効果的クラスタ化方法である。潜在低ランク表現(LatLRR)による部分空間クラスタリングは,不十分なサンプルの低ランク表現(LRR)の問題を解決することができるので,有望である。しかし,低ランク解の発見がNP困難であるので,核ノルムは通常LatLRRのランクを近似するために使用される。より良い低ランク行列を得て,サンプルの不足を考慮して,本論文は,Schatten-pノルムに基づくLatLRRモデルを提案し,ランク関数とLpノルム制約誤差項を近似し,ロバスト性を改善した。実験結果は,アルゴリズムが部分空間クラスタリング性能を効果的に改良できることを示した。Copyright 2020 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： アルゴリズム ,  *クラスタ化 ,  クラスタ分析 ,  高次元 ,  NP困難 ,  ロバスト性 ,  *ノルム ,  データマイニング
準シソーラス用語： データクラスタリング ,  高次元データ ,  *部分空間クラスタリング , 【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 (3件)： ノルム ,  表現 ,  部分空間クラスタリング