部分潜在因子に基づく多視点部分空間学習【JST・京大機械翻訳】

Lu Run-kun; Liu Jian-wei; Liu Ze-yu; Chen Jin-zhong

プレプリント

J-GLOBAL ID：202202211705322479 整理番号：22P0023287

部分潜在因子に基づく多視点部分空間学習【JST・京大機械翻訳】

Partially latent factors based multi-view subspace learning

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 (4件)： , , ,
資料名：
発行年： 2022年01月04日プレプリントサーバーでの情報更新日： 2022年01月05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)

マルチビュー部分空間クラスタリングは,常に高次元データ解析でよく機能するが,データ表現の品質に敏感である。この目的のために,2段階融合戦略を提案し,マルチビュー部分空間クラスタリングのプロセスに表現学習を埋め込む。本論文では,まず,多重ビューの観測から,結合整合および補完情報を分離することができる新しい行列因数分解法を提案した。得られた潜在表現に基づいて,2つの部分空間クラスタリング戦略,すなわち特徴レベル融合と部分空間レベル階層戦略を提案した。特徴レベル法は,複数の視点からすべての種類の潜在表現を連結し,従って,元の問題は単一視点部分空間クラスタリング過程に縮退する。部分空間レベル階層法は,各ビューから来る対応する相補的で一貫した潜在表現に関して,異なる自己抑制再構成プロセスを実行し,すなわち,異なるタイプの部分空間表現に課された事前制約は,適切な入力因子に関連している。最後に,実世界データセットに関する広範な実験結果は,いくつかの最先端の部分空間クラスタリングアルゴリズムと比較して,提案した方法の優位性を実証した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, ,

前のページに戻る