2026-03-14T16:31:53Z https://hiroshima.repo.nii.ac.jp/oai

oai:hiroshima.repo.nii.ac.jp:02001158 2025-02-18T03:21:45Z 1730444917621

マルチポート固有空間法 玉木, 徹 Tamaki, Toru 玉木 Tamaki 徹 Toru 天野, 敏之 Amano, Toshiyuki 天野 Amano 敏之 Toshiyuki open access Copyright (c) 2006 by Author パラメトリック固有空間法 マルチポート固有空間法 多様体学習 教師付き学習 回帰 固有空間 線形写像 EbC parametric eigenspace method multiport eigenspace method manifold learning supervised learning regression eigenspace linear mapping 540 本稿では、多様体の教師付き問題としての姿勢パラメータ推定手法である「マルチポート固有空間法」[1],[2]について議論する。これは欠損画素の輝度値を推定して画像を補間するBPLP[3],[4]を基にしており、群の回帰問題を空間への投影という線形演算で行うものである。まずマルチポート固有空間法の内容を説明し、その主要部分は連立方程式による最小ノルム推定であることを示す。またその方程式による空間への投影がどのようなものかを説明し、学習とサンプル数の影響について述べる。 In this paper, we discusson Multi-port Eigenspace Method[1], [2], an supervised manifold learning of pose parameters. This method is based on BPLP[3], [4], a method of intensity interpolation, and operates a linear mapping of projection to a subspace as a regression to a group. First we describe the method, and show that the important part of it is a least norm solution of a system of equations. Then we illustrate the projection by the system, and the effect of the number of learning samples. 部分空間法研究会 2006-07 jpn conference paper VoR https://hiroshima.repo.nii.ac.jp/records/2001158 http://ir.lib.hiroshima-u.ac.jp/00023537 部分空間法研究会 Subspace 2006 部分空間法研究会 Subspace 2006 7 7 15 https://hiroshima.repo.nii.ac.jp/record/2001158/files/ss2006-012.pdf 239.2 KB