Objevování faktoru v binárních datech pomocí triangulární dekompozice matic

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F08%3A00005459" target="_blank" >RIV/61989592:15310/08:00005459 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Discovery of factors in binary data via triangular decomposition of matrices

Popis výsledku v původním jazyce

We present new methods of decomposition of an $n times m$ binary matrix $I$ into a product $Aast B$ of an $n times k$ binary matrix $A$ and a $k times m$ binary matrix $B$. These decompositions are alternative to the usual one which is sought in Boolean factor analysis (BFA), where $ast$ is a Boolean product of matrices. In the new decompositions, $ast$ are the left and the right triangular products of Boolean matrices. In BFA, $I$ is interpreted as object $times$ attribute matrix, $A$ and $B$ are interpreted as object $times$ factor and factor $times$ attribute matrices, and the aim is to find a decomposition with the number $k$ of factors as small as possible. The new decompositions have different semantics from the one with Boolean matrix product. The presented methods are optimal in that they provide the smallest number $k$ possible. We provide a geometric insight showing that the factors correspond to I-beam- and H-beam-shaped patterns in the input matrix. We present an a

Název v anglickém jazyce

Discovery of factors in binary data via triangular decomposition of matrices

Popis výsledku anglicky

We present new methods of decomposition of an $n times m$ binary matrix $I$ into a product $Aast B$ of an $n times k$ binary matrix $A$ and a $k times m$ binary matrix $B$. These decompositions are alternative to the usual one which is sought in Boolean factor analysis (BFA), where $ast$ is a Boolean product of matrices. In the new decompositions, $ast$ are the left and the right triangular products of Boolean matrices. In BFA, $I$ is interpreted as object $times$ attribute matrix, $A$ and $B$ are interpreted as object $times$ factor and factor $times$ attribute matrices, and the aim is to find a decomposition with the number $k$ of factors as small as possible. The new decompositions have different semantics from the one with Boolean matrix product. The presented methods are optimal in that they provide the smallest number $k$ possible. We provide a geometric insight showing that the factors correspond to I-beam- and H-beam-shaped patterns in the input matrix. We present an a

Druh

D - Stať ve sborníku

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

<a href="/cs/project/1ET101370417" target="_blank" >1ET101370417: Hierarchická analýza složitých dat</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Information Processing and Management of Uncertainty in Knowledge-Based Systems

ISBN

978-84-612-3061-7

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

University of Malaga

Místo vydání

Malaga, Španělsko

Místo konání akce

—

Datum konání akce

—

Typ akce podle státní příslušnosti

—

Kód UT WoS článku

—