論文の概要: S-multi-SNE: Semi-Supervised Classification and Visualisation of
Multi-View Data
- arxiv url: http://arxiv.org/abs/2111.03519v1
- Date: Fri, 5 Nov 2021 14:19:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-08 17:11:14.166161
- Title: S-multi-SNE: Semi-Supervised Classification and Visualisation of
Multi-View Data
- Title（参考訳）: S-multi-SNE:マルチビューデータの半スーパービジョン分類と可視化
- Authors: Theodoulos Rodosthenous and Vahid Shahrezaei and Marina Evangelou
- Abstract要約: マルチビューデータは複数のデータビューに対応しており、それぞれが同じサンプルセットの異なる側面を表している。
我々は最近,t-SNEの拡張であるMulti-SNEを提案し,マルチビューデータの単一可視化を行った。
本稿では,複数SNEを半教師付きアプローチに拡張し,ラベル付け情報を付加データビューとして分類する。
- 参考スコア（独自算出の注目度）: 0.03222802562733786
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: An increasing number of multi-view data are being published by studies in
several fields. This type of data corresponds to multiple data-views, each
representing a different aspect of the same set of samples. We have recently
proposed multi-SNE, an extension of t-SNE, that produces a single visualisation
of multi-view data. The multi-SNE approach provides low-dimensional embeddings
of the samples, produced by being updated iteratively through the different
data-views. Here, we further extend multi-SNE to a semi-supervised approach,
that classifies unlabelled samples by regarding the labelling information as an
extra data-view. We look deeper into the performance, limitations and strengths
of multi-SNE and its extension, S-multi-SNE, by applying the two methods on
various multi-view datasets with different challenges. We show that by
including the labelling information, the projection of the samples improves
drastically and it is accompanied by a strong classification performance.
- Abstract（参考訳）: 複数の分野の研究によって、多視点データの増加が報告されている。
このタイプのデータは、複数のデータビューに対応し、それぞれが同じサンプルセットの異なるアスペクトを表現する。
我々は最近,t-SNEの拡張であるMulti-SNEを提案し,マルチビューデータの単一可視化を行った。
マルチSNEアプローチは、異なるデータビューを通じて反復的に更新されたサンプルの低次元埋め込みを提供する。
ここでは,複数SNEを半教師付きアプローチに拡張し,ラベル付け情報を付加データビューとして分類する。
我々は,マルチSNEとその拡張であるS-multi-SNEの性能,限界,強度について,異なる課題を持つ様々なマルチビューデータセットに2つの手法を適用した。
ラベル情報を含めることで,サンプルの投影が劇的に向上し,強力な分類性能が伴うことを示す。
関連論文リスト
- Uni$^2$Det: Unified and Universal Framework for Prompt-Guided Multi-dataset 3D Detection [64.08296187555095]
Uni$2$Detは3D検出のための統一的で普遍的なマルチデータセットトレーニングのためのフレームワークである。
マルチデータセット3D検出のためのマルチステージプロンプトモジュールを提案する。
ゼロショットクロスデータセット転送の結果は,提案手法の一般化能力を検証する。
論文 参考訳（メタデータ） (2024-09-30T17:57:50Z) - GCFAgg: Global and Cross-view Feature Aggregation for Multi-view
Clustering [45.530950521907265]
マルチビュークラスタリングは、教師なしの方法でコンセンサス表現を学習することで、データサンプルをカテゴリに分割することができる。
GggMVC(Global and Cross-view Feature aggregate for Multi-View Clustering)と呼ばれる新しいマルチビュークラスタリングネットワークを提案する。
提案手法は,完全多視点データクラスタリングタスクと不完全多視点データクラスタリングタスクの両方において,優れた性能を実現する。
論文 参考訳（メタデータ） (2023-05-11T13:41:13Z) - Reliable Representations Learning for Incomplete Multi-View Partial Multi-Label Classification [78.15629210659516]
本稿ではRANKという不完全なマルチビュー部分的マルチラベル分類ネットワークを提案する。
既存の手法に固有のビューレベルの重みを分解し、各サンプルのビューに品質スコアを動的に割り当てる品質対応サブネットワークを提案する。
我々のモデルは、完全なマルチビューマルチラベルデータセットを処理できるだけでなく、欠落したインスタンスやラベルを持つデータセットでも機能する。
論文 参考訳（メタデータ） (2023-03-30T03:09:25Z) - Deep Incomplete Multi-view Clustering with Cross-view Partial Sample and
Prototype Alignment [50.82982601256481]
深層不完全なマルチビュークラスタリングのためのクロスビュー部分サンプルとプロトタイプアライメントネットワーク(CPSPAN)を提案する。
従来のコントラストベースの手法とは異なり、インスタンスとインスタンスの対応構築を導くために、ペア観測データアライメントを「プロキシ監視信号」として採用する。
論文 参考訳（メタデータ） (2023-03-28T02:31:57Z) - Align and Attend: Multimodal Summarization with Dual Contrastive Losses [57.83012574678091]
マルチモーダル要約の目標は、異なるモーダルから最も重要な情報を抽出し、出力要約を形成することである。
既存の手法では、異なるモダリティ間の時間的対応の活用に失敗し、異なるサンプル間の本質的な相関を無視する。
A2Summ(Align and Attend Multimodal Summarization)は、マルチモーダル入力を効果的に整列し、参加できる統一型マルチモーダルトランスフォーマーモデルである。
論文 参考訳（メタデータ） (2023-03-13T17:01:42Z) - Cross-view Graph Contrastive Representation Learning on Partially
Aligned Multi-view Data [52.491074276133325]
マルチビュー表現学習は、過去数十年間で急速に発展し、多くの分野に応用されてきた。
本稿では,多視点情報を統合してデータアライメントを行い,潜在表現を学習する,新しいクロスビューグラフコントラスト学習フレームワークを提案する。
複数の実データを用いて実験を行い,クラスタリングおよび分類作業における提案手法の有効性を示した。
論文 参考訳（メタデータ） (2022-11-08T09:19:32Z) - TSK Fuzzy System Towards Few Labeled Incomplete Multi-View Data
Classification [24.01191516774655]
これらの課題に対処するために,トランスダクティブ半教師付きマルチビューTSKファジィシステムモデリング法(SSIMV_TSK)を提案する。
提案手法は,未知のビュー計算,ラベルなしデータの擬似ラベル学習,ファジィシステムモデリングをひとつのプロセスに統合し,解釈可能なファジィルールを持つモデルを生成する。
実データを用いた実験の結果,提案手法は最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2021-10-08T11:41:06Z) - Multi-view Data Visualisation via Manifold Learning [0.03222802562733786]
本論文は, 学生のT分散SNE, LLE, ISOMAPの拡張を提案し, 多視点データの次元的縮小と可視化を可能にする。
マルチビューマニホールド学習手法で得られた低次元埋め込みをK平均アルゴリズムに組み込むことにより、サンプルのクラスタを正確に特定できることを示した。
論文 参考訳（メタデータ） (2021-01-17T19:54:36Z) - Learning Inter- and Intra-manifolds for Matrix Factorization-based
Multi-Aspect Data Clustering [3.756550107432323]
近年,マルチビューやマルチタイプリレーショナルデータなど,複数の側面を持つデータのクラスタリングが普及している。
我々は,データクラスタリングのための多種多様な多様体を学習するために,異なるデータ型(またはビュー)のデータポイントの距離情報を利用するNMFフレームワークに多様体を組み込むことを提案する。
いくつかのデータセットの結果から,提案手法は精度と効率の両面において,最先端のマルチアスペクトデータクラスタリング手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2020-09-07T02:21:08Z) - Generative Partial Multi-View Clustering [133.36721417531734]
本稿では,不完全なマルチビュー問題に対処するため,GP-MVCと呼ばれる生成的部分的マルチビュークラスタリングモデルを提案する。
まず、マルチビューエンコーダネットワークをトレーニングして、一般的な低次元表現を学習し、次にクラスタリング層を使用して複数のビューをまたいだ一貫したクラスタ構造をキャプチャする。
第2に、他のビューが与える共有表現に基づいて、1つのビュー条件の欠落データを生成するために、ビュー固有の生成敵ネットワークを開発する。
論文 参考訳（メタデータ） (2020-03-29T17:48:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。