局所線形近似に基づくラベル伝播のための類似度適合
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に基づく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,グラフの構造に沿ってラベルを推定する.典型的なラベル伝播法の手順は以下の3ステップからなる:1)グラフのエッジを生成する,2)エッジに重みを与える,3)ラベルを推定する.本稿では2つ目のステップであるエッジの重み推定に着目する.提案するアプローチではエッジをノード間の類似度として表現した上で入力データの局所線形近似誤差を最小化する.これによって生成されたエッジはノード間の類似度としての表現を持ちつつも人力空間のマニフォールド構造を近似することになる.このアプローチの有効性を低次元マニフォールドモデルに基づく解析によって考察する.また計算機実験では人工データと実データによって提案法が予測精度を向上することを示す.
- 2013-02-25
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)
- 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