文献

J-GLOBAL ID：202202252598352586   整理番号：22A1175378

適応重みづけ戦略によるスパースロバスト多視点特徴選択【JST・京大機械翻訳】

Sparse robust multiview feature selection via adaptive-weighting strategy

著者 (4件)： Wang Zhi (College of Information and Electrical Engineering, China Agricultural University, Beijing, China) ,  Zhong Jing (College of Information and Electrical Engineering, China Agricultural University, Beijing, China) ,  Chen Yuqing (College of Science, China Agricultural University, Beijing, China) ,  Zhong Ping (College of Science, China Agricultural University, Beijing, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 5  ページ： 1387-1408  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： マルチビューデータの豊富で包括的な情報のために,マルチビュー学習は広く注目されてきた。分類性能を改善するために識別特性を選択するためのマルチビューデータを効率的に利用することは,マルチビュー学習において非常に重要である。ほとんどの既存の教師つき方法は,複数のビューを長いベクトルに連結することによって,全投影行列を学習し,従って,それらは,しばしば,ビュー間の関係を無視する。この問題を解決するため,本論文では,適応重み付け戦略によるビューのロバスト性,個体性および共通性を同時に考慮する,新しいスパースロバスト多視点特徴選択モデルを提案した。モデルは,ノイズと異常値の影響を効果的に減らすために,各々の見解における残差を計算するために,ソフトキャップしたノルム損失を採用した。さらに,このモデルは適応重み付け戦略を採用し,余分のパラメータを導入することなく,ビューの個別性と共通性を示す。さらに,識別特徴を選択するために構造化スパース性正則化を導入した。効率的な反復アルゴリズムを提案して,低計算量で投影行列の各ブロックを個別に学習し,提案した最適化アルゴリズムの収束を理論的および実験的に検証した。比較実験を,いくつかの最先端のアルゴリズムによるマルチビューデータセットに関して行い,そして,実験結果は,提案方法が,他のものより良い性能を得ることを示している。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 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 ,  雑音 ,  ベクトル ,  最適化手法 ,  残差 ,  *特徴選択 ,  計算量 ,  モデル ,  正則化 ,  異常値 ,  ロバスト性 ,  ノルム
準シソーラス用語： スパース性 ,  反復アルゴリズム ,  マルチビュー , 【Automatic Indexing@JST】

著者キーワード (4件)： 多視点特徴選択 ,  適応重みづけ戦略 ,  ソフトキャップノルム損失 ,  構造化スパース性正則化

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 適応 ,  重みづけ ,  戦略 ,  視点 ,  特徴選択