| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
11ページ |
■発行日
|
2017/11/01 |
| ■タイトル |
粗視化された相対近傍グラフによる大規模パターン集合の分布構造の可視化 |
| ■タイトル(英語) |
Visualizing the Distribution of a Large-Scale Pattern Set using Compressed Relative Neighborhood Graph |
| ■著者名 |
後藤 雅典（グローリー（株）研究開発センター），石田 良介（グローリー（株）研究開発センター），内田 誠一（九州大学大学院システム情報科学研究院） |
| ■著者名(英語) |
Masanori Goto (Research & Development Center, GLORY LTD.), Ryosuke Ishida (Research & Development Center, GLORY LTD.), Seiichi Uchida (Faculty of Information Science and Electrical Engineering,Kyushu University) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.137 No.11 （2017） 特集：電気関係学会関西連合大会
|
| ■本誌掲載ページ |
1495-1505ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/137/11/137_1495/_article/-char/ja/
|
| ■キーワード |
大規模パターン集合認識，多クラス識別，相対近傍グラフ，分布解析，ネットワーク解析 Large-scale pattern recognition，Multi-class pattern recognition，Relative neighborhood graph，Distribution analysis，Network analysis |
| ■要約(日本語) |
|
| ■要約(英語) |
The goal of this research is to understand the true distribution of character patterns. Advances in computer technology for mass storage and digital processing have paved way to process a massive dataset for various pattern recognition problems. If we can represent and analyze the distribution of a large-scale pattern set directly and understand its relationships deeply, it should be helpful for improving classifier for pattern recognition. For this purpose, we use a visualization method to represent the distribution of patterns using a relative neighborhood graph (RNG), where each node corresponds to a single pattern. Specifically, we visualize the pattern distribution using a compressed representation of RNG (Clustered-RNG). Clustered-RNG can visualize inter-class relationships (e.g. neighboring relationships and overlaps of pattern distribution among “multiple classes”) and it represents the distribution of the patterns without any assumption, approximation or loss. Through large-scale printed and handwritten digit pattern experiments, we show the properties and validity of the visualization using Clustered-RNG. |
| ■版 型 |
A4 |
|
|
|
