文献

J-GLOBAL ID：202202271759382334   整理番号：22A0456593

特徴選択のための教師なし識別射影【JST・京大機械翻訳】

Unsupervised Discriminative Projection for Feature Selection

著者 (4件)： Wang Rong (School of Cybersecurity and Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, P. R. China) ,  Bian Jintang (School of Computer Science and Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, P. R. China) ,  Nie Feiping (School of Computer Science and Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, P. R. China) ,  Li Xuelong (School of Computer Science and Center for OPTical IMagery Analysis and Learning (OPTIMAL), Northwestern Polytechnical University, Xi’an, P. R. China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 2  ページ： 942-953  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： 特徴選択は,様々な機械学習とデータマイニングタスクのための高次元データを扱うための最も重要な技術のひとつであり,そのようなクラスタリング,分類,検索などは,自然人間社会におけるデータの広範な性質である。しかしながら,ほとんどの既存の特徴選択法は,データにおける曖昧さの存在を無視し,準最適特徴部分集合をもたらす。問題に取り組むために,筆者らは,ファジィ学習とスパース学習を同時に行うことにより識別特徴を選択するために,特徴選択のための教師なし識別投影(UDPFS)と呼ばれる新しい教師なし特徴選択法を提案した。特に,射影行列変換データをその低次元表現として用いて,スパース制約を持つメンバシップ行列を用いてクラスタに分割した。さらに,l_2,1-ノルム正則化を投影行列に適用した。次に,ファジィ学習とスパース学習を同時に実行することによって,列スパースを有する識別射影行列を得た。有効代替最適化アルゴリズムを提案し,目的関数を解いた。いくつかの実世界データセットに関する評価実験結果は,提案した教師なし特徴選択法の有効性と優位性を示した。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： 学習 ,  最適化手法 ,  *特徴選択 ,  クラスタ ,  目的関数 ,  正則化 ,  *射影 ,  有効性 ,  曖昧さ ,  ノルム ,  機械学習 ,  データマイニング
準シソーラス用語： 評価実験 ,  低次元 ,  高次元データ , 【Automatic Indexing@JST】

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 (4件)： 特徴選択 ,  教師 ,  識別 ,  射影