文献

J-GLOBAL ID：201702229454384877   整理番号：17A0213769

表現と分類のための共同L2,1 ノルム正則化スパース符号化による適応近傍伝搬【Powered by NICT】

Adaptive Neighborhood Propagation by Joint L2,1-Norm Regularized Sparse Coding for Representation and Classification

著者 (5件)： Jia Lei ,  Zhang Zhao ,  Wang Lei ,  Jiang Weiming ,  Zhao Mingbo
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDM  ページ： 201-210  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 半教師つき分類のための,関節L2,1 ノルム正則化スパース符号化による適応近傍伝搬(適応NP)と名付けた新しいトランスダクティブラベル伝搬法を提案した。試料のラベルを予測するための予測されたソフトラベルをより正確にするためとグラフ構築のための最適近傍サイズまたはカーネル幅を選択することの巧妙なプロセスを避けるために,適応NPはスパース符号化と近傍伝搬を単一フレームワークに統合しシームレス。すなわち,スパース再構成誤差と分類誤差は関節最小化,独立した段階があり,それは,不正確な予測を生じる可能性があるへのグラフ構築とラベル伝搬を分離明示的に従来の方法とは異なる明確にのために結合した。適応NPは交互にスパース符号とソフトラベル行列を最適化する,スパース符号は,各反復で近傍伝搬のための適応重みとして使用されているので,近傍サイズまたはカーネル幅を決定するの巧妙なプロセスを避けることができる。に加えて,スパース符号化を強化するための,スパース符号化係数に及ぼすL2,1 ノルム制約とより正確でロバストな表現を送達するための同時に再構成誤差を用いた。広範なシミュレーションは,このモデルが分類のためのいくつかの公開データセット上で最先端技術レベルの性能を提供できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  *ノルム ,  情報公開 ,  最適化 ,  *正則化 ,  *透視図法 ,  制約条件 ,  再構成
準シソーラス用語： 最先端技術 ,  ラベル伝搬 ,  シームレス ,  *スパースコーディング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  分析化学一般  (CC02010H)

タイトルに関連する用語 (9件)： 表現 ,  分類 ,  共同 ,  ノルム ,  正則化 ,  スパース符号化 ,  適応 ,  近傍 ,  伝搬