抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチビュー部分空間クラスタリングは,ロバストクラスタリングのための多重ビューから隠れ部分空間構造を発見することを狙って,近年かなり注目されている。著しい進歩にもかかわらず,以前の多視点部分空間クラスタリングアルゴリズムの大部分は2つの限界に直面している。第一に,それらは通常,多重ビューの一貫性(または共通性)に焦点を合わせているが,部分空間表現におけるクロスビュー不整合を捉える能力に欠けることが多い。第2に,それらの多くは複数の視点の局所構造を見逃し,部分空間表現学習を強化するために複数の局所構造を共同利用することができない。これら2つの限界に対処するために,本論文では,共同平滑化マルチビュー部分空間クラスタリング(JSMC)アプローチを提案した。具体的には,部分空間表現学習にクロスビュー共通性と不整合を同時に組み入れた。ビューコンセンサスグループ化効果を提示して,複数の視点の局所構造を共同利用し,そのクラスタ構造を強化するための核ノルムによる低ランク制約とさらに関連する,ビュー-普遍性表現を正則化した。このように,クロスビュー共通性と不一致,ビューコンセンサスグループ化効果,および低ランク表現を,統一目的関数にシームレスに取り込んで,それに関して,交互最適化アルゴリズムを実行して,クラスタ化のためのロバスト部分空間表現を達成した。様々な実世界マルチビューデータセットに関する実験結果は,著者らのアプローチの優位性を確認した。利用可能なコード:https://github.com/huangdonghere/JSMC。【JST・京大機械翻訳】