[논문]Comparison of incremental linear dimension reduction methods for streaming data

Park, Cheong Hee; Lee, Gyeong-Hoon

doi:10.1016/j.patrec.2020.03.028

[해외논문] Comparison of incremental linear dimension reduction methods for streaming data

Pattern recognition letters, v.135, 2020년, pp.15 - 21

Park, Cheong Hee (Corresponding author.) , Lee, Gyeong-Hoon

Abstract ▼ AI-Helper

Abstract Traditional linear dimension reduction methods such as Principal component analysis (PCA) and linear discriminant analysis (LDA) have been used in many application areas due to simplicity and high performance. However, in data streams where data instances are generated continuously over time, it is difficult to apply traditional PCA or LDA. Moreover, data streams can have drifting concepts over time. In this paper, we compared several incremental linear dimension reduction algorithms which can be applied for classification in streaming data. Also, the performance comparison for prediction accuracy and time complexity was conducted in various streaming environments such as low dimensional data streams, high dimensional data streams, and data streams with concept drifts. Experimental results showed that incremental least squares formulation (ILS) combined with incremental PCA can be used effectively for classification in streaming data. Highlights We compared incremental linear dimension reduction algorithms for streaming data. Performance comparison was conducted in various streaming environments. Classification in low or high dimensional data streams with concept drift is compared. ILS combined with CCIPCA can give high prediction accuracy but low time complexity.

Keyword

참고문헌 (27)

Duda 2001 Pattern Classification
IEEE Trans. Pattern Anal. Mach. Intell. Weng 25 8 1034 2003 10.1109/TPAMI.2003.1217609 Candid covariance-free incremental principal component analysis

상세보기
IEEE Trans. Syst. Man Cybern.Part B(Cybernetics) Pang 35 5 905 2005 10.1109/TSMCB.2005.847744 Incremental linear discriminant analysis for classification of data streams

상세보기
Yan 2004 Proceedings of KDD Immc: incremental maximum margin criterion
IEEE Trans. Knowl. Data Eng. Yan 18 3 320 2006 10.1109/TKDE.2006.45 Effective and efficient dimesnionality reduction for large-scale and streaming data processing

상세보기
Li 2004 Proceedings of the Advances in neural information processing systems 16 Efficient and robust feature extraction by amximum amrgin criterion
BIT Numer. Math. Park 43 427 2003 10.1023/A:1026039313770 Lower dimensional representation of text data based on centroids and least squares
Liu 2009 Proceedings of International Conference on Data Mining Least squares incremental linear discriminant analysis
Pattern Recognit. Yeh 46 1267 2013 10.1016/j.patcog.2012.11.008 A rank-one update method for least squares linear discriminant analysis with concept drift

상세보기
Pattern recognition X. 47 2014 Incremental partial least squares analysis of big streaming data

상세보기
J. KIISE Lee 45 1 69 2018 10.5626/JOK.2018.45.1.69 Incremental linear discriminant analysis for streaming data using the minimum squared error solution

원문보기 상세보기
Pattern Recognit. Park 41 1083 2008 10.1016/j.patcog.2007.07.022 A comparison of generalized linear discriminant analysis algorithms

상세보기
J. Math. Analysis and Application Oja 106 69 1985 10.1016/0022-247X(85)90131-3 On stochastic approximation of the eigenvators and eigenvalues of the expectation of a random matrix

상세보기
IEEE Trans. Neural Netw. sanger 2 459 1989 10.1016/0893-6080(89)90044-0 Optimal unsupervised learning in a Sinhle-layer linear feedforward neural network

상세보기
Zhang 2001 Technical report MSU-CSE-01-23, Dept. of Computer Science and Eng. Convergence analysis of complementary candid incremental principal component analysis
Commun. Stat. Simul. Comput. Helland 17 22 581 1988 10.1080/03610918808812681 On the structure of partial least squares regression

상세보기
Ye 2007 Proceedings of International conference on machine learning Least squares linear discriminant analysis
SIAM J. Matrix Anal. Appl. Park 27 2 474 2005 10.1137/040607599 A relationship between linear discriminant analysis and the generalized minimum squared error solution

상세보기
J. KIISE Park 43 12 1396 2016 10.5626/JOK.2016.43.12.1396 Application of an adaptive incremental classifier for streaming data

원문보기 상세보기
SIAM Rev. Hager 31 2 221 1989 10.1137/1031049 Updating the inverse of a matrix

상세보기
IEEE Trans. Knowl. Data Eng. Ye 17 9 1208 2005 10.1109/TKDE.2005.148 IDR/QR: an incremental dimension reduction algorithm via QR decomposition

상세보기
Image Vis. Comput. Lu 36 1 2015 10.1016/j.imavis.2015.01.002 Incremental learning from chunk data for IDR/QR

상세보기
IEEE Trans. Neural Netw. Learn.Syst. Chu 26 11 2716 2015 10.1109/TNNLS.2015.2391201 Incremental linear discriminant analysis: a fast algorithm and comparison

상세보기
Neural Netw. Zhu 85 33 2017 10.1016/j.neunet.2016.10.001 An online incremental orthogonal component analysis method for dimensionality reduction

상세보기
Siam journal on scientific computing Zhang 38 3 2016 10.1137/15M1035653 Incremental regularized least squares for dimensionality reduction of large-scale data

상세보기
J. Mach. Learn. Res. Bifet 11 1601 2010 Moa: massive online analysis

상세보기
Hulten 2001 Proceedings of KDD Mining time-changing data streams

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

원문 URL 링크

DOI : 10.1016/j.patrec.2020.03.028
Elsevier : 저널 > 논문

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

저작권 관리 안내

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증