要解决的问题:在短时间内执行潜在的类别分析。
解决方案:奇异值分解部分2从分析目标DB1读取分析目标数据矩阵A,并进行奇异值分解。通过奇异值分解,从分析对象数据矩阵A生成一维空间中高度相关的成分被聚集的概念空间。维度压缩部3基于奇异值分解的结果,通过仅使用较大的奇异值来对分析目标数据矩阵A进行维度压缩,并计算近似矩阵A'。离散化部分4对近似矩阵A′的每个分量进行离散化,以计算扩散近似矩阵A”。电位类别提取部分5通过将诸如已知的EM算法或确定性退火EM算法的方法应用于扩散近似来进行电位类别提取。矩阵A”。
版权:(C)2008,日本特许厅&INPIT
公开/公告号JP2007272291A
专利类型
公开/公告日2007-10-18
原文格式PDF
申请/专利权人 KDDI CORP;
申请/专利号JP20060093842
申请日2006-03-30
分类号G06F19;
国家 JP
入库时间 2022-08-21 21:16:07