ガウスカーネルを共変量に用いた非負値行列因子分解について

書誌事項

タイトル別名
  • On Non-negative Matrix Factorization Using Gaussian Kernels as Covariates

抄録

<p> 非負値行列因子分解によって,観測行列は基底行列と係数行列の積で近似できる.また,係数ベクトルを個体ごとの共変量で説明すれば,係数行列はパラメータ行列と共変量行列の積でかける.一般に共変量行列を用いることで近似精度は下がるため,本稿ではガウスカーネルを共変量に用いてその低下を抑える.また,ガウスカーネルを用いることで共変量の変化に対して滑らかに係数や予測値が得られる.提案手法をテキストデータと経時測定データに適用し,共変量を用いない場合との比較を行うことでその有用性を示す.</p>

収録刊行物

参考文献 (17)*注記

もっと見る

詳細情報 詳細情報について

問題の指摘

ページトップへ