文献

J-GLOBAL ID：202102240857501027   整理番号：21A3307527

教師なし特徴選択のためのグラフ正則化局所線形埋込み【JST・京大機械翻訳】

Graph regularized locally linear embedding for unsupervised feature selection

著者 (15件)： Miao Jianyu (Key Laboratory of Grain Information Processing and Control (HAUT), Ministry of Education, Zhengzhou, 450001, China) ,  Miao Jianyu (Henan Key Laboratory of Grain Photoelectric Detection and Control (HAUT), Zhengzhou, 450001, China) ,  Miao Jianyu (College of Artificial Intelligence and Big Data, Henan University of Technology, Zhengzhou, 450001, China) ,  Yang Tiejun (Key Laboratory of Grain Information Processing and Control (HAUT), Ministry of Education, Zhengzhou, 450001, China) ,  Yang Tiejun (Henan Key Laboratory of Grain Photoelectric Detection and Control (HAUT), Zhengzhou, 450001, China) ,  Yang Tiejun (College of Artificial Intelligence and Big Data, Henan University of Technology, Zhengzhou, 450001, China) ,  Sun Lijun (Key Laboratory of Grain Information Processing and Control (HAUT), Ministry of Education, Zhengzhou, 450001, China) ,  Sun Lijun (Henan Key Laboratory of Grain Photoelectric Detection and Control (HAUT), Zhengzhou, 450001, China) ,  Sun Lijun (College of Information Science and Engineering, Henan University of Technology, Zhengzhou, 450001, China) ,  Fei Xuan (Key Laboratory of Grain Information Processing and Control (HAUT), Ministry of Education, Zhengzhou, 450001, China) ,  Fei Xuan (Henan Key Laboratory of Grain Photoelectric Detection and Control (HAUT), Zhengzhou, 450001, China) ,  Fei Xuan (College of Artificial Intelligence and Big Data, Henan University of Technology, Zhengzhou, 450001, China) ,  Niu Lingfeng (Key Laboratory of Big Data Mining and Knowledge Management, Chinese Academy of Sciences, Beijing, 100190, China) ,  Shi Yong (Key Laboratory of Big Data Mining and Knowledge Management, Chinese Academy of Sciences, Beijing, 100190, China) ,  Shi Yong (College of Information Science and Technology, University of Nebraska at Omaha, NE, 68182, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 重要な次元縮小技術の1つとして,教師なし特徴選択(UFS)は,過去数十年にわたり人気を楽し,学習性能を向上させるだけでなく,解釈可能性を高め,計算コストを削減できる。既存のUFS法は,識別情報を完全に利用できない元の特徴空間におけるデータをモデル化することが多い。本論文では,この問題に取り組むために,UFSと特徴部分空間間の関係を強化する方法を検討し,より直接的かつ効率的に関連する特徴を選択する。方法論的に,グラフ正則化局所線形埋込み(GLLE)と呼ばれる新しいUFSアプローチを,特徴部分空間に制約された局所線形埋込み(LLE)と多様体正則化を統一フレームワークに統合することにより提案した。より特異的であるために,著者らは0と1から成る特徴選択マトリックスを明確に定義して,それはUFSのプロセスを実現することができた。特徴選択行列をモデル化する目的で,特徴部分空間における隣接データ点間の局所線形再構成関係を保存し,特徴部分空間で制約されたLLEに対応することを提案した。特徴選択行列をより高精度にするために,著者らは,選択された特徴が特徴部分空間の下で各サンプルを多様体仮定に一致させるように,関連および代表的特徴を見つけるためのLLEの補助として多様体正則化を使用することを提案した。Multipliers(ADMM)の代替指向法に基づく調整反復アルゴリズムを設計して,提案した最適化問題を解決した。12の実世界ベンチマークデータセットに関する広範な実験を行い,最先端の手法と比較してより有望な結果を達成した。Copyright 2021 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： 多様体 ,  最適化問題 ,  *特徴選択 ,  線形性 ,  *正則化 ,  構成方程式 ,  次元縮小
準シソーラス用語： 高精度 ,  特徴点 ,  反復アルゴリズム ,  計算コスト ,  識別子 ,  特徴空間 ,  グラフラプラシアン , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師なし特徴選択 ,  局所線形埋込み ,  グラフラプラシアン ,  多様体正則化

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 教師 ,  特徴選択 ,  グラフ ,  正則化 ,  線形 ,  埋込み