文献

J-GLOBAL ID：202202236996611560   整理番号：22A1092683

不完全観測データから低ランク成分を回収するための固定点近接アルゴリズムとモーションキャプチャデータ精密化への応用【JST・京大機械翻訳】

A fixed-point proximity algorithm for recovering low-rank components from incomplete observation data with application to motion capture data refinement

著者 (4件)： Hu Wenyu (School of Mathematics and Computer Sciences, Gannan Normal University, Ganzhou 341000, China) ,  Lu Yao (School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Lu Yao (Shanghai Key Laboratory of Molecular Imaging, Shanghai University of Medicine and Health Sciences, Shanghai 201318, China) ,  Ren Jin (Department of Mathematics & Statistics, Old Dominion University, Norfolk, VA 23529, USA)
資料名： Journal of Computational and Applied Mathematics  (Journal of Computational and Applied Mathematics)
巻： 410  ページ： Null  発行年： 2022年 
JST資料番号： W0152A  ISSN： 0377-0427  CODEN： JCAMDI  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： 低ランク行列回復は,統計,バイオインフォマティクス,機械学習およびコンピュータビジョンのような様々な分野で,ますます関与し,処理される不良な問題である。ロバスト主成分分析(RPCA)を,この問題を解決するための2項凸最適化モデルとして最近提示した。本論文では,RPCAから生じる新しい3項凸モデルを,汚染あるいは不完全観測データから低ランク成分を回復するために提案した。この新しいモデルは,回復問題の不良性を減らすために3つの正則化項を持つ。アルゴリズム導出における本質的な困難さは,非平滑項を扱う方法である。ALM法を導入し,収束保証で元の2項RPCAモデルを解いた。しかし,提案した3項モデルを解くために,その収束はもはや保証されない。固定点理論に基づく異なるアプローチとして,著者らは,非平滑性を取り扱うために近接演算子を導入し,その結果,固定Point Proximityアルゴリズム(FPA)から誘導した新しいアルゴリズムを,収束解析と共に提案した。RPCAと運動捕捉データ精密化(MCDR)の問題点に関する数値実験は,提案したアルゴリズムのストリッピング効果と効率を実証した。Copyright 2022 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： *アルゴリズム ,  行列 ,  最適化 ,  収束 ,  捕獲 ,  モデル ,  コンピュータビジョン ,  正則化 ,  主成分分析 ,  ロバスト性 ,  機械学習 ,  *モーションキャプチャ
準シソーラス用語： バイオインフォマティクス ,  数値実験 ,  凸最適化 ,  収束解析 , 【Automatic Indexing@JST】

著者キーワード (4件)： 近接 ,  低ランク ,  ロバストな主成分分析 ,  モーションキャプチャデータ

分類 (5件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 観測データ ,  固定点 ,  アルゴリズム ,  モーションキャプチャ ,  精密化 ,  応用