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。
次元縮小は,異常検出のような教師なし学習における競合性能を確保するための重要なステップとして考えられている。非負行列因数分解(NMF)は,この目標を達成するために一般的で広く使われている方法である。しかし,NMFは,近傍構造情報を含む準備を持たず,結果として,非線形多様体構造の存在下で満足な性能を提供することができなかった。短所に対処するために,最小スパニング木を通してデータをモデル化することにより,NMFフレームワーク内の近傍構造類似性情報を考察し,組み入れることを提案した。近傍構造支援NMFとして得られた方法をラベルした。さらに,提案方法のオフラインおよびオンラインアルゴリズムバージョンの両方を考案した。20のベンチマークデータセットを用いた経験的比較と水力発電所から抽出された産業データセットは,近隣構造支援NMFの優位性を示し,著者らのメリットの主張を支持した。近隣構造支援NMFの定式化と特性に近づき,NMFの強化されたバージョンは,MSTを用いた近傍構造情報の包含が異常検出における増強性能の達成に重要な役割を果たすことを明らかにした。【JST・京大機械翻訳】