JP6001871B2 - 混合モデルの構築方法 - Google Patents
混合モデルの構築方法 Download PDFInfo
- Publication number
- JP6001871B2 JP6001871B2 JP2012028991A JP2012028991A JP6001871B2 JP 6001871 B2 JP6001871 B2 JP 6001871B2 JP 2012028991 A JP2012028991 A JP 2012028991A JP 2012028991 A JP2012028991 A JP 2012028991A JP 6001871 B2 JP6001871 B2 JP 6001871B2
- Authority
- JP
- Japan
- Prior art keywords
- subset
- component
- model
- subsets
- mixture model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims description 52
- 238000001914 filtration Methods 0.000 claims description 35
- 239000000203 mixture Substances 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 23
- 238000005315 distribution function Methods 0.000 claims 1
- 238000007418 data mining Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Generation (AREA)
- Electron Beam Exposure (AREA)
Description
上式で、p(x)はサブセットの数学的汎関数の表現であり、
Xは変数の多次元ベクトル表現であり、
kはサブセット内のそれぞれのコンポーネントを指すインデックスであり、
Kはサブセット内のコンポーネントの総数であり、
πkは、1と等しい全てのKクラスタについての全てのπkの合計を有するクラスタkに対応するスカラースケーリングファクタであり、
102 データベース
104 サブセット識別を有するサブセットを生成する
106 少なくとも1つのサブセットがあるか?
108 サブセット基準
110 サブセットごとに混合モデルを構築する
112 少なくとも2つのサブセットがあるか?
114 サブセットモデルが一般的なモデルである
116 モデルフィルタリングが所望されるか?
118 モデルからコンポーネントを除去する
120 サブセットモデルを結合する
122 単純化が所望されるか?
124 結合されたサブセットモデルが一般的なモデルである
126 結合されたモデルを単純化する
128 単純化されたモデルが一般的なモデルである
140 完成リストを初期化して空にする
142 全てのサブセットから全てのコンポーネントを受信する
144 次のコンポーネントを選択する
146 選択されたコンポーネントの、他のサブセット内の他の全てのコンポーネントへの距離を計算する
148 選択されたコンポーネントおよび距離が完成リストに添付される
150 選択されたコンポーネントは最後のコンポーネントか?
152 完成リストを降順でソートする
154 トップのコンポーネントを除去する
156 フィルタリング基準は満たされたか?
158 反復フィルタリングが所望されるか?
160 最後のコンポーネントセットが識別される
180 第1サブセットデータ
190 第2サブセットデータ
G1 第1クラスタフィッティング関数
G2 第2クラスタフィッティング関数
G3 第3クラスタフィッティング関数
G4 第4クラスタフィッティング関数
G5 第5クラスタフィッティング関数
μ1 第1クラスタの平均
μ2 第2クラスタの平均
μ3 第3クラスタの平均
μ4 第4クラスタの平均
μ5 第5クラスタの平均
Claims (10)
- 非一時的メディア(102)に格納されるデータセットの一般的な混合モデル(100)を生成する方法であって、
前記データセットの1つ以上の次元の1つ以上の要素を含み、前記データセットのサブセットを定義するためのサブセット基準(108)を提供するステップと、
前記サブセット基準(108)を利用して、プロセッサ上で前記データセットを通じてフィルタリングするステップと、
前記プロセッサ内で前記サブセット基準(108)に基づいて前記データセットをサブセットに分割するステップであって、前記サブセットの数は前記サブセット基準(108)内の要素の数と等しい、ステップと、
各サブセットに識別子を割り当てるステップと、
前記サブセットのそれぞれについてサブセット混合モデル(110)を生成するステップと、
少なくとも2つのサブセットがある場合には、前記少なくとも2つのサブセットのそれぞれの前記サブセット混合モデルを前記一般的な混合モデル(120)に結合し、少なくとも2つのサブセットがない場合には、前記サブセット混合モデルを前記一般的な混合モデル(120)として設定するステップと、
を含む、方法。 - 前記サブセット基準が、関係データベースにおいて定義されるステップと、少なくとも1つの次元によって前記データセットをフィルタリングするステップとのうちの1つを含む、請求項1に記載の方法。
- 前記生成するステップが、サブセット(104)の少なくとも1つのコンポーネントを識別するステップと、関数をサブセットの少なくとも1つのコンポーネントに適合させるステップと、スケーリングファクタによってフィッティング関数をスケーリングするステップと、スケーリングされたフィッティング関数を合計するステップとのうちの少なくとも1つを含む、請求項1または2に記載の方法。
- 前記関数が確率密度関数である、請求項3に記載の方法。
- 前記確率密度関数が正規分布関数である、請求項4に記載の方法。
- 前記スケーリングファクタがスカラー値である、請求項3に記載の方法。
- サブセットの前記フィッティング関数のそれぞれに対応する前記スケーリングファクタの全ての合計が1である、請求項4に記載の方法。
- 前記結合するステップ(120)が、前記少なくとも1つのサブセットごとに前記サブセット混合モデルを連結するステップと、前記少なくとも1つのサブセットごとに前記サブセット混合モデルを別々にスケーリングして前記スケーリングされたサブセット混合モデルを連結するステップと、前記サブセット混合モデル(150)を結合する前に1つまたは複数のコンポーネント関数を除去するステップとを備える、請求項1または2に記載の方法。
- 前記サブセット混合モデルを結合する前に1つまたは複数のコンポーネント関数を除去するステップ(150)が、コンポーネントを選択して、前記選択されたコンポーネントと前記選択されたコンポーネントに対応する前記サブセット以外のサブセットからの全ての前記コンポーネントとの間の前記距離を決定するステップ(144)を備える、請求項8に記載の方法。
- 前記サブセット混合モデルを結合する前に1つまたは複数のコンポーネント関数を前記除去するステップ(150)が、最大距離を有する前記コンポーネントを除去するステップをさらに備える、請求項9に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/027,829 US20120209880A1 (en) | 2011-02-15 | 2011-02-15 | Method of constructing a mixture model |
US13/027,829 | 2011-02-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012168949A JP2012168949A (ja) | 2012-09-06 |
JP6001871B2 true JP6001871B2 (ja) | 2016-10-05 |
Family
ID=45655746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012028991A Expired - Fee Related JP6001871B2 (ja) | 2011-02-15 | 2012-02-14 | 混合モデルの構築方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20120209880A1 (ja) |
EP (1) | EP2490139B1 (ja) |
JP (1) | JP6001871B2 (ja) |
CN (1) | CN102693265B (ja) |
BR (1) | BR102012003344A2 (ja) |
CA (1) | CA2767504A1 (ja) |
IN (1) | IN2012DE00401A (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6316844B2 (ja) * | 2012-12-22 | 2018-04-25 | エムモーダル アイピー エルエルシー | 予測モデル生成のためのユーザーインタフェース |
WO2015079192A1 (en) | 2013-11-29 | 2015-06-04 | Ge Aviation Systems Limited | Method of construction of anomaly models from abnormal data |
CN106156857B (zh) * | 2015-03-31 | 2019-06-28 | 日本电气株式会社 | 变分推理的数据初始化的方法和装置 |
CN106156077A (zh) * | 2015-03-31 | 2016-11-23 | 日本电气株式会社 | 用于混合模型选择的方法和装置 |
US10817796B2 (en) * | 2016-03-07 | 2020-10-27 | D-Wave Systems Inc. | Systems and methods for machine learning |
CN107644279A (zh) * | 2016-07-21 | 2018-01-30 | 阿里巴巴集团控股有限公司 | 评价模型的建模方法及装置 |
CN109559214A (zh) * | 2017-09-27 | 2019-04-02 | 阿里巴巴集团控股有限公司 | 虚拟资源分配、模型建立、数据预测方法及装置 |
CN109657802B (zh) * | 2019-01-28 | 2020-12-29 | 清华大学深圳研究生院 | 一种混合专家强化学习方法及*** |
CN112990337B (zh) * | 2021-03-31 | 2022-11-29 | 电子科技大学中山学院 | 一种面向目标识别的多阶段训练方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6449612B1 (en) * | 1998-03-17 | 2002-09-10 | Microsoft Corporation | Varying cluster number in a scalable clustering system for use with large databases |
US6263337B1 (en) * | 1998-03-17 | 2001-07-17 | Microsoft Corporation | Scalable system for expectation maximization clustering of large databases |
US7039239B2 (en) * | 2002-02-07 | 2006-05-02 | Eastman Kodak Company | Method for image region classification using unsupervised and supervised learning |
US7299135B2 (en) * | 2005-11-10 | 2007-11-20 | Idexx Laboratories, Inc. | Methods for identifying discrete populations (e.g., clusters) of data within a flow cytometer multi-dimensional data set |
US7664718B2 (en) * | 2006-05-16 | 2010-02-16 | Sony Corporation | Method and system for seed based clustering of categorical data using hierarchies |
US8432449B2 (en) * | 2007-08-13 | 2013-04-30 | Fuji Xerox Co., Ltd. | Hidden markov model for camera handoff |
JP2009086581A (ja) * | 2007-10-03 | 2009-04-23 | Toshiba Corp | 音声認識の話者モデルを作成する装置およびプログラム |
US8521659B2 (en) * | 2008-08-14 | 2013-08-27 | The United States Of America, As Represented By The Secretary Of The Navy | Systems and methods of discovering mixtures of models within data and probabilistic classification of data according to the model mixture |
US8493409B2 (en) * | 2009-08-18 | 2013-07-23 | Behavioral Recognition Systems, Inc. | Visualizing and updating sequences and segments in a video surveillance system |
CN101882150B (zh) * | 2010-06-09 | 2012-09-26 | 南京大学 | 一种基于核密度估计的三维模型比较和检索方法 |
US8571328B2 (en) * | 2010-08-16 | 2013-10-29 | Adobe Systems Incorporated | Determining correspondence between image regions |
-
2011
- 2011-02-15 US US13/027,829 patent/US20120209880A1/en not_active Abandoned
-
2012
- 2012-02-13 IN IN401DE2012 patent/IN2012DE00401A/en unknown
- 2012-02-14 JP JP2012028991A patent/JP6001871B2/ja not_active Expired - Fee Related
- 2012-02-14 CA CA2767504A patent/CA2767504A1/en not_active Abandoned
- 2012-02-14 EP EP12155404.2A patent/EP2490139B1/en active Active
- 2012-02-14 BR BRBR102012003344-5A patent/BR102012003344A2/pt not_active IP Right Cessation
- 2012-02-15 CN CN201210041495.3A patent/CN102693265B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP2490139A1 (en) | 2012-08-22 |
EP2490139B1 (en) | 2020-04-01 |
CN102693265A (zh) | 2012-09-26 |
US20120209880A1 (en) | 2012-08-16 |
JP2012168949A (ja) | 2012-09-06 |
CN102693265B (zh) | 2017-08-25 |
CA2767504A1 (en) | 2012-08-15 |
IN2012DE00401A (ja) | 2015-06-05 |
BR102012003344A2 (pt) | 2015-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6001871B2 (ja) | 混合モデルの構築方法 | |
More et al. | A SI model for social media influencer maximization | |
Zeng et al. | Online context-aware recommendation with time varying multi-armed bandit | |
EP1611546B1 (en) | Methods and systems for interactive evolutionary computing (iec) | |
Zapranis et al. | Principles of neural model identification, selection and adequacy: with applications to financial econometrics | |
Qiu et al. | An AIS-based hybrid algorithm with PDRs for multi-objective dynamic online job shop scheduling problem | |
Hunt et al. | Evolving" less-myopic" scheduling rules for dynamic job shop scheduling with genetic programming | |
Rebai et al. | Earliness–tardiness minimization on a single machine to schedule preventive maintenance tasks: metaheuristic and exact methods | |
EP3751496A1 (en) | Method and system for building reinforcement learning (rl) based model for generating bids | |
Sadeghi et al. | Grey wolf optimizer and whale optimization algorithm for stochastic inventory management of reusable products in a two-level supply chain | |
Qing et al. | A survey on explainable reinforcement learning: Concepts, algorithms, challenges | |
Chai et al. | Carbon price prediction for China's ETS pilots using variational mode decomposition and optimized extreme learning machine | |
Hochbaum | 50th anniversary article: Selection, provisioning, shared fixed costs, maximum closure, and implications on algorithmic methods today | |
CN109978575A (zh) | 一种挖掘用户流量经营场景的方法及装置 | |
Lisic et al. | Optimal stratification and allocation for the june agricultural survey | |
Falini et al. | Spline based Hermite quasi-interpolation for univariate time series | |
Patel et al. | Smart adaptive mesh refinement with NEMoSys | |
Chou et al. | Forecasting enterprise resource planning software effort using evolutionary support vector machine inference model | |
Mitrai et al. | Taking the human out of decomposition-based optimization via artificial intelligence, Part I: Learning when to decompose | |
Hoffman et al. | Exploiting correlation and budget constraints in bayesian multi-armed bandit optimization | |
CN112215655A (zh) | 一种客户画像的标签管理方法及*** | |
Kanwal et al. | An attribute weight estimation using particle swarm optimization and machine learning approaches for customer churn prediction | |
Wang | Retrospective optimization of mixed-integer stochastic systems using dynamic simplex linear interpolation | |
Ghimire et al. | Machine learning-based prediction models for budget forecast in capital construction | |
Zavvar et al. | Measuring service quality in service-oriented architectures using a hybrid particle swarm optimization algorithm and artificial neural network (PSO-ANN) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150202 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160330 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160902 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6001871 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |