Learning methods for kernel subspace methods and their applications

核子空间方法的学习方法及其应用

基本信息

项目摘要

We have extended the subspace methods to feature extraction methods by constrained approximation problems. The subspace methods are sorts of realizations of the constrained approximation framework. The subspace methods have the rank constraint, however, by replacing the constraint to the other constraints, feature extractors that have various properties can be realized. We also have proposed the subset kernel principal component analysis to avoid large calculations in kernelization.
我们已经扩展了子空间方法，以通过约束近似问题特征提取方法。子空间方法是约束近似框架的实现。但是，子空间方法具有秩约束，通过将约束替换为其他约束，可以实现具有各种属性的特征提取器。我们还提出了子集内核主成分分析，以避免内核中的大量计算。

项目成果

期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Subset kernel principal component analysis
Simultaneous pattern classification and multidomain association using.
同时模式分类和多域关联的使用。
正則化を用いた2次識別器
使用正则化的二次分类器
  • DOI：
  • 发表时间：
    2007
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Y.Washizawa;Y.Yamashita;T.Tanaka;A.Cichocki;鷲沢 嘉一
  • 通讯作者：
    鷲沢 嘉一
中心化部分カーネル主成分分析によるデノイジング
通过中心部分核主成分分析去噪
  • DOI：
  • 发表时间：
    2010
  • 期刊：
  • 影响因子：
    0
  • 作者：
    S. Hongo;A. Sasaki;S. Sakamoto;J. Li and Y. Suzuki;鷲沢嘉一
  • 通讯作者：
    鷲沢嘉一
Pattern classification on local metric structure
局部度量结构的模式分类
  • DOI：
  • 发表时间：
    2009
  • 期刊：
  • 影响因子：
    0
  • 作者：
    J. Li;S. Sakamoto;S. Hongo;M. Akagi and Y. Suzuki;Y.Washizawa
  • 通讯作者：
    Y.Washizawa
{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ patent.updateTime }}

WASHIZAWA Yoshikazu其他文献

WASHIZAWA Yoshikazu的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

相似海外基金

時系列パターン解析によるパフォーマンス動作特性の識別と能力評価システムの構築
通过时间序列模式分析识别绩效行为特征并构建能力评价体系
  • 批准号：
    22K11500
  • 财政年份：
    2022
  • 资助金额：
    $ 2.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
A Study on Development of a Blood Pressure Risk Hazard Scoring System Based on Time-Series Data and Lifestyle Habits Information
基于时间序列数据和生活方式信息的血压风险危险评分系统开发研究
  • 批准号：
    21K11995
  • 财政年份：
    2021
  • 资助金额：
    $ 2.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
Development of Discriminative Pattern Mining Techniques as a Foundation of Human-Centric Machine Learning
判别模式挖掘技术的发展作为以人为中心的机器学习的基础
  • 批准号：
    20K11941
  • 财政年份：
    2020
  • 资助金额：
    $ 2.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
Latent feature evaluation of muscle fatigue based on scale mixture stochastic model and its application to adaptive control of myoelectric prosthetic hand
基于尺度混合随机模型的肌肉疲劳潜特征评估及其在肌电假手自适应控制中的应用
  • 批准号：
    20K14698
  • 财政年份：
    2020
  • 资助金额：
    $ 2.33万
  • 项目类别：
    Grant-in-Aid for Early-Career Scientists
Holorecognizer: implementation expansion of machine learning to optical setup for three-dimensional recognition
Holorecognizer：将机器学习扩展到三维识别的光学设置
  • 批准号：
    19K12012
  • 财政年份：
    2019
  • 资助金额：
    $ 2.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了