文献

J-GLOBAL ID：202202258748507486   整理番号：22A0398301

増分次元縮小のための進化的直交成分解析法【JST・京大機械翻訳】

An Evolutionary Orthogonal Component Analysis Method for Incremental Dimensionality Reduction

著者 (4件)： Zhang Tianyue (Department of Computer Science and Technology, National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Shen Furao (Department of Computer Science and Technology, National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Zhu Tao (Department of Computer Science and Technology, National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Zhao Jian (School of Electronic Science and Engineering, Nanjing University, Nanjing, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 1  ページ： 392-405  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： オンライン環境における高次元雑音データの低次元表現を迅速に発見するために,線形次元縮小問題を線形特徴部分空間の基礎を学習する問題に変換した。それに基づいて,進化的直交成分分析(EOCA)と名付けた増分部分空間学習のための高速でロバストな次元縮小フレームワークを提案した。目標次元を自動的に決定するために適応閾値を設定することによって,提案方法は次元縮小を実現して,複雑な計算を避けるために,データの直交部分空間基底を抽出する。そのうえ,EOCAは,異常値効果を除くために,それらの正正規基底によって表現される2つの学習された部分空間を併合することができ,新しい部分空間はユニークであることを証明した。広範な実験と解析は,EOCAが高速であり,特に雑音の多いデータに対して競合結果を達成することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  基底 ,  線形性 ,  異常値 ,  高次元 ,  *直交性 ,  *次元縮小 ,  ロバスト性
準シソーラス用語： 部分空間 ,  オンライン ,  成分分析 ,  低次元 ,  適応閾値 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 増分 ,  次元縮小 ,  進化 ,  解析法