複数情報源に対する主成分分析(主成分分析,テキスト・Webマイニング,一般)

スポンサーリンク

概要

論文の詳細を見る
データ解析の多くの場面において,データは数十ないし数百,数千といった非常に高い次元のベクトルとして表現される.高次元データを人間が解釈するために,あるいは予測モデル構築の前処理として,主成分分析などの教師なし次元削減手法がしばしば用いられる.さらに,実際のデータ解析では,画像データ,音声データ,テキストデータなどの異種混合データを統合して扱う必要が生じるが,複数の異なるデータを統合して解析するための方法は,特に教師つき学習の文脈では近年盛んに研究が行われているものの,教師なし学習の文脈ではまだ少ない.そこで本論文では,次元削減法の代表的手法である主成分分析を,各情報源の重要度パラメータを導入した定式化を与えることによって複数情報源に拡張し,主成分の推定と情報源の重要度の推定を順に繰り返すような効率のよい最適化アルゴリズムを与える.また,観測データからの物体地図復元タスクを題材に,提案手法の有効性を確認する.
2011-03-21

著者

関連論文

もっと見る

スポンサーリンク