局所フィッシャー判別分析による文書分類(一般セッション2,複合現実感のためのパターン認識・理解)
スポンサーリンク
概要
- 論文の詳細を見る
次元削減はパターン認識における最も重要な前処理過程の一つである.半教師付き局所フィッシャー判別分析(SELF)はフィッシャー判別分析の拡張手法であり,その有効性が実験的に示されている.しかし,データの次元数が非常に高い場合,計算量とメモリ使用量の制限のためSELFをそのまま用いることはできない.本論文では,SELFを巨大なデータにも適用できるようにするための計算手法を提案する.
- 2009-02-12
著者
関連論文
- LG-6 サポートベクター回帰のモデル選択(G. 人工知能)
- スパース正則化およびマルチカーネル学習のための最適化アルゴリズムとCV・PRへの応用(CV・パターン認識のための学習・最適化)
- Density Ratio Estimation : A Comprehensive Review (Statistical Experiment and Its Related Topics)
- Density ratio estimation: a comprehensive review (Statistical experiment and its related topics--RIMS共同研究報告集)
- スパース正則化およびマルチカーネル学習のための最適化アルゴリズムと画像認識への応用
- Superfast probabilistic classifier (マルチメディア・仮想環境基礎)
- Superfast probabilistic classifier (音声)
- Superfast probabilistic classifier (パターン認識・メディア理解)
- 局所フィッシャー判別分析による文書分類(一般セッション2,複合現実感のためのパターン認識・理解)
- 異種ネットワーク統合によるタンパク質機能予測