ラベル駆動自動加重戦略による多視点データ分類【JST・京大機械翻訳】

Yu Yuyuan; Zhou Guoxu; Huang Haonan; Xie Shengli; Zhao Qibin

プレプリント

J-GLOBAL ID：202202208604760202 整理番号：22P0022951

ラベル駆動自動加重戦略による多視点データ分類【JST・京大機械翻訳】

Multi-view Data Classification with a Label-driven Auto-weighted Strategy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ビューの重要性を区別することは,半教師つきマルチビュー学習モデルに対して非常に役立つことが証明されている。しかしながら,既存の戦略は,半教師つき情報を利用することができず,データ特徴の観点からの見解の重要性を識別するだけで,それは低品質の視点によってしばしば影響を受け,貧弱な性能をもたらす。本論文では,ラベル付きデータと異なるビューの重要性の間のリンクを確立することにより,単一重要度または低品質ビューのマイナス影響を避けるため,ラベル透視からビューの重要性を評価するための自動重み付け戦略を提案した。この戦略に基づいて,トランスダクティブ半教師つき自動重み付けマルチビュー分類モデルを提案した。提案モデルの初期化をラベル付きデータによって効果的に決定することができ,それは実用的である。モデルは局所収束保証で効率的に最適化できる3つの小規模サブ問題に分離される。分類タスクに関する実験結果は,提案方法が他の関連方法と比較して最も低い計算コストで最適または準最適分類精度を達成して,重量変化実験は,著者らの提案戦略が低品質ビューを有するマルチビューデータセットに関する他の関連戦略よりより正確に見解重要性を区別できることを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る