ラベル伝播アルゴリズムにおける複数グラフのスパース結合法(第15回情報論的学習理論ワークショップ)
スポンサーリンク
概要
- 論文の詳細を見る
ラベル伝播アルゴリズムはグラフベース半教師付き学習の代表的手法として広く利用されており,グラフを通してデータの構造を活かした推定を可能にする.本稿ではラベル伝播アルゴリズムにおいて複数のグラフを活用するアルゴリズムを提案する.提案手法の特徴的な点は複数のグラフをスパースに結合する点にある.これにより分類に有用でないグラフを除外し,精度の向上や解釈性の向上が図られる.他にも,提案法は類似グラフのグルーピング効果や,効率の良い最適化といった観点からも有利な特徴を持つことを導く.最後に,人工データと実データを用いた計算機実験によって提案法の性能を示す.
- 一般社団法人電子情報通信学会の論文
- 2012-10-31
著者
関連論文
- 多様なゲノムデータの統合的クラスタリング解析(理論/実験技術)
- 確率モデルに基づくテキスト共起データからのマイニング(Chemical bioinformatics)
- 糖鎖の木構造からプロファイルを検出する確率木モデルの応用(Chemical bioinformatics)
- 化学とグラフアルゴリズム (化学と数学の接点)
- 発現プロファイルに基づく代謝経路の遺伝子系列ランキング(Expression analysis)
- 化学とグラフアルゴリズム(ヘッドライン:化学と数学の接点)
- 化学とグラフアルゴリズム
- ラベル伝播アルゴリズムにおける複数グラフのスパース結合法(第15回情報論的学習理論ワークショップ)
- 局所線形近似に基づくラベル伝播のための類似度適合