AI用語集
人工知能の完全辞典
コンセンサスクラスタリング
複数のビューに適用された複数のクラスタリングアルゴリズムの結果を集約して、最終的なロバストで安定したパーティションを生成する方法。コンセンサスは、各個別のビューからの共同関連性行列またはクラスタリングラベルを組み合わせることで取得されます。
ビュー融合
データの複数の表現からの情報を統合して、統一または拡張されたビューを作成するプロセス。融合は、採用された集約戦略に応じて、特徴、決定、またはモデルのレベルで実行できます。
マルチビュー表現学習
データの複数の視点から共有または補完的な潜在表現を学習することを目的とする機械学習パラダイム。これらの表現は、各ビューに特有の冗長性とノイズを除去しながら、本質的な情報を捕捉します。
マルチビュースペクトラルクラスタリング
スペクトル分解を適用する前に、すべてのビューから組み合わせた類似性行列を構築する、マルチビューデータへのスペクトルクラスタリングの拡張。この方法は、マルチ表現データの非線形構造と複雑な形状の発見に優れています。
マルチビュー制約ベースクラスタリング
クラスタ形成を導くために、マルチビュークラスタリングプロセスにドメイン制約または事前知識を統合するアプローチ。制約はmust-linkまたはcannot-linkタイプであり、異なるビュー間で伝播されて一貫性を確保します。
マルチビューK-modesアルゴリズム
平均値の代わりにモードをクラスタ中心として使用する、マルチビューカテゴリカルデータのためのK-meansアルゴリズムの適応。この方法は、一貫性のあるクラスタを形成するために、すべてのビューにわたってカテゴリカル不類似度を同時に最適化します。
マルチビュー階層的クラスタリング
各集約レベルで複数のビューの情報を統合してクラスタの階層を構築するクラスタリング方法。アルゴリズムは、異なる表現間でのクラスタ間の類似性を評価するために、組み合わせまたは重み付けされた距離メトリクスを使用します。
共関連性行列
各要素が2つのサンプルが複数のビューの異なるクラスタリングで一緒にグループ化される頻度を示す正方行列。この行列はコンセンサスクラスタリング手法の基礎となり、サンプル間の関係の安定性を捕捉します。
ビューの分断
同じデータの異なるビューから得られたクラスタリング間の不一致や構造的差異を定量化する指標。適度な分断は、しばしば各視点間の情報的な相補性を示すため、有益であると見なされます。
ビューの相補性
マルチビュークラスタリングにおける基本原則で、異なる表現がデータ構造の異なる側面や相補的な側面を捉えることができると規定しています。この相補性は、最終的なクラスタリングのロバスト性と精度を向上させるために活用されます。
ビューの重み
マルチビュークラスタリングプロセスにおける各ビューの相対的な重要性を定量化するパラメータで、多くの場合自動的に最適化されます。これらの重みにより、最も情報量の多いビューに影響力を与え、ノイズを含むビューにペナルティを課すことができます。
マルチビュー半教師ありクラスタリング
マルチビュークラスタリングと、グループ化プロセスを導くための限定された既知のラベルを組み合わせたハイブリッドアプローチ。教師あり情報はビュー間を伝播し、形成されるクラスタの整合性と関連性を向上させます。
ビューのアライメント
一貫した対応関係を特定するために、異なるビュー間の構造やパターンをマッピングするプロセス。アライメントにより、共通の潜在的な関係性を明らかにし、異種の表現間の橋渡しを確立することができます。
マルチビューカーネルクラスタリング
カーネルクラスタリング手法をマルチビューの文脈に拡張したもので、結合されたカーネル関数を使用してデータをより高次元の空間にマッピングします。このアプローチは、ビュー間の非線形な関係を効果的に捉えつつ、その相補性を維持します。
マルチビューグラフベースクラスタリング
各ビューごとに類似度グラフを複数構築・融合した後、グラフ分割アルゴリズムを適用する手法。このアプローチは、異なる視点を通じて局所的および全体的な近傍構造を効果的に捉えます。
マルチビュー交差検証
マルチビュークラスタリングアルゴリズムのための堅牢な評価手法で、異なるビュー構成における結果の安定性をテストします。この検証は、クラスタリングの内部的一貫性と表現の変動に対する感度を測定します。