文献

J-GLOBAL ID：202202264113821599   整理番号：22A0696208

低ランク構造制約によるロバストな部分空間クラスタリング【JST・京大機械翻訳】

Robust Subspace Clustering With Low-Rank Structure Constraint

著者 (4件)： Nie Feiping (School of Computer Science and Center for Optical Imagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, China) ,  Chang Wei (School of Computer Science and Center for Optical Imagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, China) ,  Hu Zhanxuan (School of Computer Science and Center for Optical Imagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, China) ,  Li Xuelong (School of Computer Science and Center for Optical Imagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 3  ページ： 1404-1415  発行年： 2022年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  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： 本論文では,高次元空間から引き出されるセグメンテーションデータのための新しい低ランク構造モデルを提案した。提案手法は,高次元データセットからクラスタ化されたすべてのグループが複数の低ランク部分空間に分布するという事実に基づいている。一般に,データに隠された低ランク構造を見つけるのは非常に難しいタスクである。古典的スパース部分空間クラスタリング(SSC)と低ランク表現(LRR)とは異なって,親和性行列とスペクトルクラスタリングの構築を含む2つのステップを取り上げて,著者らは,著者らのモデルに新しいランク制約を導入した。この制約は,後処理なしにデータから異なるクラスタを直接捉えることができる部分空間指標を学習することを可能にする。ランク制約をさらに近似するために,提案モデルの緩和アイテムとして区分関数を利用した。そのうえ,部分空間指標制約の下で,整数計画問題を避けて,著者らのアルゴリズムをより効率的でスケーラブルにする。さらに,提案アルゴリズムの収束を理論で証明し,さらに部分空間が起源を通過しない一般的事例を論じた。合成および実世界データセットの両方に関する実験結果は,著者らのアルゴリズムが最先端の方法より著しく優れていることを示した。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： アルゴリズム ,  関数 ,  行列 ,  整数計画法 ,  セグメンテーション ,  クラスタ化 ,  *クラスタ ,  緩和現象 ,  *クラスタ分析 ,  親和性 ,  高次元 ,  *ロバスト性
準シソーラス用語： 構造モデル ,  *部分空間 ,  高次元データ ,  *部分空間クラスタリング , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 制約 ,  ロバスト ,  部分空間クラスタリング