論文の概要: Regularized Bilinear Discriminant Analysis for Multivariate Time Series Data

• arxiv url: http://arxiv.org/abs/2202.13188v1
• Date: Sat, 26 Feb 2022 17:06:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 14:15:36.560064
• Title: Regularized Bilinear Discriminant Analysis for Multivariate Time Series Data
• Title（参考訳）: 多変量時系列データの正規化双線形判別分析
• Authors: Jianhua Zhao, Haiye Liang, Shulan Li, Zhiji Yang, Zhen Wang
• Abstract要約: MTSデータ分類のための正規化BLDA(RBLDA)を提案する。 RBLDAの効率的な実装と効率的なモデル選択アルゴリズムを開発する。 その結果,RBLDAの認識性能は最高のものとなり,モデル選択アルゴリズムが効率的であることが判明した。
• 参考スコア（独自算出の注目度）: 5.198140836737883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the methods on matrix-based or bilinear discriminant analysis (BLDA) have received much attention. Despite their advantages, it has been reported that the traditional vector-based regularized LDA (RLDA) is still quite competitive and could outperform BLDA on some benchmark datasets. Nevertheless, it is also noted that this finding is mainly limited to image data. In this paper, we propose regularized BLDA (RBLDA) and further explore the comparison between RLDA and RBLDA on another type of matrix data, namely multivariate time series (MTS). Unlike image data, MTS typically consists of multiple variables measured at different time points. Although many methods for MTS data classification exist within the literature, there is relatively little work in exploring the matrix data structure of MTS data. Moreover, the existing BLDA can not be performed when one of its within-class matrices is singular. To address the two problems, we propose RBLDA for MTS data classification, where each of the two within-class matrices is regularized via one parameter. We develop an efficient implementation of RBLDA and an efficient model selection algorithm with which the cross validation procedure for RBLDA can be performed efficiently. Experiments on a number of real MTS data sets are conducted to evaluate the proposed algorithm and compare RBLDA with several closely related methods, including RLDA and BLDA. The results reveal that RBLDA achieves the best overall recognition performance and the proposed model selection algorithm is efficient; Moreover, RBLDA can produce better visualization of MTS data than RLDA.
• Abstract（参考訳）: 近年,行列ベースあるいは双線型判別分析(blda)の手法が注目されている。 それらの利点にもかかわらず、従来のベクトルベース正規化LDA(RLDA)は依然として非常に競争力があり、ベンチマークデータセットではBLDAよりも優れていることが報告されている。 しかし、この発見は主に画像データに限られていることも指摘されている。 本稿では,正規化blda (rblda) を提案し,他の種類の行列データである多変量時系列 (mts) に対する rlda と rblda の比較について検討する。 画像データとは異なり、MSSは通常、異なる時間ポイントで測定される複数の変数から構成される。 MTSデータ分類のための多くの手法が文献の中に存在するが、MTSデータの行列データ構造を探索する作業は比較的少ない。 さらに、既存のBLDAは、内級行列の1つが特異である場合には実行できない。 この2つの問題に対処するため、MTSデータ分類のためのRBLDAを提案し、各2つの内部クラス行列を1つのパラメータで正規化する。 RBLDAの効率的な実装と、RBLDAのクロスバリデーション手順を効率的に行うことができる効率的なモデル選択アルゴリズムを開発する。 複数の実mtsデータセットに関する実験を行い,提案アルゴリズムを評価し,rldaとbldaを含む関連する手法との比較を行った。 その結果、rbldaは最適な認識性能を達成でき、提案するモデル選択アルゴリズムは効率的であることが判明し、さらに、rbldaはrldaよりもmtsデータの可視化性が向上した。

関連論文リスト

• Regularized Linear Discriminant Analysis Using a Nonlinear Covariance Matrix Estimator [11.887333567383239]
  線形判別分析(LDA)はデータ分類において広く用いられている手法である。 LDAは、データ共分散行列が不条件であるときに非効率になる。 このような状況に対応するために正規化LDA法が提案されている。
  論文  参考訳（メタデータ） (2024-01-31T11:37:14Z)
• Minimally Informed Linear Discriminant Analysis: training an LDA model with unlabelled data [51.673443581397954]
  本研究では,LDAモデルからの正確な射影ベクトルを,ラベルのないデータに基づいて計算可能であることを示す。 MILDA投影ベクトルはLDAに匹敵する計算コストで閉じた形で計算可能であることを示す。
  論文  参考訳（メタデータ） (2023-10-17T09:50:31Z)
• Asymmetric Scalable Cross-modal Hashing [51.309905690367835]
  クロスモーダルハッシュは、大規模なマルチメディア検索問題を解決する方法として成功している。 これらの問題に対処する新しい非対称スケーラブルクロスモーダルハッシュ(ASCMH)を提案する。 我々のASCMHは、最先端のクロスモーダルハッシュ法よりも精度と効率の点で優れています。
  論文  参考訳（メタデータ） (2022-07-26T04:38:47Z)
• High-Dimensional Sparse Bayesian Learning without Covariance Matrices [66.60078365202867]
  共分散行列の明示的な構成を避ける新しい推論手法を提案する。 本手法では, 数値線形代数と共役勾配アルゴリズムの対角線推定結果とを結合する。 いくつかのシミュレーションにおいて,本手法は計算時間とメモリにおける既存手法よりも拡張性が高い。
  論文  参考訳（メタデータ） (2022-02-25T16:35:26Z)
• Learning Mixtures of Linear Dynamical Systems [94.49754087817931]
  そこで我々は,2段階のメタアルゴリズムを開発し,各基底構造LPSモデルを誤り$tildeO(sqrtd/T)$.sqrtd/T)まで効率的に復元する。 提案手法の有効性を検証し,数値実験による理論的研究を検証する。
  論文  参考訳（メタデータ） (2022-01-26T22:26:01Z)
• Multiway sparse distance weighted discrimination [3.574492630046327]
  距離重み付き識別(DWD)は、多方向コンテキストに拡張された一般的な高次元分類法である。 我々は,任意の次元および任意の空間範囲に適用可能なマルチウェイ分類のための一般的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-11T16:11:04Z)
• Coupled regularized sample covariance matrix estimator for multiple classes [14.41703014203756]
  正規化のための2つの異なるターゲット行列を結合した多クラス問題に対する正規化SCM (RSCM) 推定器を検討する。 推定器のMSE最適チューニングパラメータを導出し,その推定法を提案する。 提案した結合RSCMのMSE性能をシミュレーションおよび実データに基づく正規化判別分析(RDA)分類で評価する。
  論文  参考訳（メタデータ） (2020-11-09T10:39:53Z)
• Self-Weighted Robust LDA for Multiclass Classification with Edge Classes [111.5515086563592]
  SWRLDAと呼ばれる,l21ノルムを基準とした新しい自己重み付き頑健なLDAを提案する。 提案するSWRLDAは実装が容易で,実際に高速に収束する。
  論文  参考訳（メタデータ） (2020-09-24T12:32:55Z)
• An Online Method for A Class of Distributionally Robust Optimization with Non-Convex Objectives [54.29001037565384]
  本稿では,オンライン分散ロバスト最適化(DRO)のクラスを解決するための実用的なオンライン手法を提案する。 本研究は,ネットワークの堅牢性向上のための機械学習における重要な応用を実証する。
  論文  参考訳（メタデータ） (2020-06-17T20:19:25Z)
• A Doubly Regularized Linear Discriminant Analysis Classifier with Automatic Parameter Selection [24.027886914804775]
  線形判別分析(LDA)に基づく分類器は、訓練データのサイズが特徴数よりも小さい、あるいは同等であるような多くの実践的な設定で混乱する傾向にある。 R2LDAと表す2つの正規化LDA分類器を提案する。 合成データと実データの両方から得られた結果は,提案したR2LDA手法の一貫性と有効性を示す。
  論文  参考訳（メタデータ） (2020-04-28T07:09:22Z)
• Improving Reliability of Latent Dirichlet Allocation by Assessing Its Stability Using Clustering Techniques on Replicated Runs [0.3499870393443268]
  本研究は,LDAの安定度を再現走行の代入値と比較することによって検討する。 修正ジャカード係数を用いて、2つの生成トピックの類似性を定量化する。 S-CLOPはLDAモデルの安定性を評価するのに有用であることを示す。
  論文  参考訳（メタデータ） (2020-02-14T07:10:18Z)

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。