複数固有ベクトルの線形結合を用いた教師あり次元削減法

• Item type: SIG Technical Reports(1)
• 公開日: 2018-06-06
• タイトル: 複数固有ベクトルの線形結合を用いた教師あり次元削減法
• タイトル / 言語: en
• タイトル: A supervised dimensionality reduction method using linear combinations of multiple eigenvectors
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: IBISML一般セッション
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 筑波大学システム情報系
• 著者所属: 筑波大学大学院システム情報工学研究科
• 著者所属: 筑波大学システム情報系
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Information and Systems, University of Tsukuba,
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems and information Engineering, University of Tsukuba,
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Information and Systems, University of Tsukuba,
• 著者名: 今倉, 暁; 松田, 萌望; 櫻井, 鉄也
• 著者名(英): Akira, Imakura; Momo, Matsuda; Tetsuya, Sakurai
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 高次元特徴量を持つデータを低次元空間に射影し，クラスタリングやクラシフィケーションを行う次元削減法として，LPP や LFDA などが知られている．これらの次元削減法はある行列のトレースの最小化もしくは最大化問題として定式化され，一般化固有値問題の少数の固有ベクトルを用いて次元削減を行う．本稿では，これらの次元削減法のアイディアを基盤とし分類性能を改善する新しい教師あり次元削減法を提案する．提案法は，制約付きの最小二乗問題の解として係数を定めた多数の固有ベクトルの線形結合として写像を構築する．提案法は，従来法と比較して多量の固有ベクトルの求解が必要であるが，複素モーメント型並列固有値解法を利用して高速に求解可能である．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Dimensionality reduction methods that reduce the dimension of original data to a low-dimensional subspace such as LPP and LFDA are widely used for clustering and classifications. These dimensionality reduction methods are formulated by minimization or maximization of a matrix trace and solved as few eigenvectors of the corresponding generalized eigenvalue problem. In this paper, based on the concept of the dimensionality reduction methods, we propose a novel supervised dimensionality reduction method that constructs a low-dimensional subspace with linear combinations of multiple eigenvectors. The proposed method needs to compute multiple eigenvectors; however, one can solve them efficiently by complex moment-based parallel eigensolvers.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2018-BIO-54, 号 6, p. 1-7, 発行日 2018-06-06
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会