Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Change-Point Detection using Krylov Subspace Learning

Ide, T., & Tsuda, K. (2007). Change-Point Detection using Krylov Subspace Learning. In C. Apte, D. Skillicorn, B. Liu, & S. Parthasarathy (Eds.), 2007 SIAM International Conference on Data Mining (pp. 515-520). Pittsburgh, PA, USA: Society for Industrial and Applied Mathematics.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CE17-0 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-E31B-F
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
SDM-2007-Tsuda.pdf (beliebiger Volltext), 407KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0003-E31C-E
Name:
SDM-2007-Tsuda.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://epubs.siam.org/doi/10.1137/1.9781611972771.54 (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Ide, T, Autor
Tsuda, K1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We propose an efficient algorithm for principal component analysis (PCA) that is applicable when only the inner product with a given vector is needed. We show that Krylov subspace learning works well both in matrix compression and implicit calculation of the inner product by taking full advantage of the arbitrariness of the seed vector. We apply our algorithm to a PCA-based change-point detection
algorithm, and show that it results in about 50 times improvement in computational time.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-04
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 4399
DOI: 10.1137/1.9781611972771.54
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Seventh SIAM International Conference on Data Mining (SDM 2007)
Veranstaltungsort: Minneapolis, MN, USA
Start-/Enddatum: 2007-04-26 - 2007-04-28

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: 2007 SIAM International Conference on Data Mining
Genre der Quelle: Konferenzband
 Urheber:
Apte, C, Herausgeber
Skillicorn, D, Herausgeber
Liu, B, Herausgeber
Parthasarathy, S, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Pittsburgh, PA, USA : Society for Industrial and Applied Mathematics
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 515 - 520 Identifikator: ISBN: 978-0-898716-30-6