文献

J-GLOBAL ID：201702249711141683   整理番号：17A0096282

パラメータ/非パラメータ分類器の分類精度に及ぼすサンプル特性の影響を分析した。【JST・京大機械翻訳】

Influence on the Accuracies of Parametric and Non-parametric Classifiers from Sample Characteristics

著者 (2件)： Zhu Shuang (Beijing Polytechnic College, State Key Laboratory of Earth Surface Processes and Resource Ecology) ,  Zhang Jinshui (College of Resources Science and Technology/State Key Laboratory of Earth Surface Processes and Resource Ecology,Beijing Normal University)
資料名： Yaogan Jishu Yu Yingyong  (Yaogan Jishu Yu Yingyong)
巻： 31  号： 4  ページ： 748-755  発行年： 2016年 
JST資料番号： C2738A  ISSN： 1004-0323  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 理論的訓練数(1030P)のパラメータ分類装置(例えば最尤分類),ノンパラメトリック分類装置(サポートベクトルマシン)の適用性,およびサンプル特性(スペクトル統計,空間分布特性)が分類器分類精度に及ぼす影響を検証した。分類の精度とサンプルの間の関係を分析するために,異なるトレーニングサンプルを選択して,最尤分類とサポートベクトルマシンを分類した。実験結果は以下を示す。サンプルサイズの増加とともに,最大尤度およびサポートベクトルマシンの分類精度は,サンプルサイズの増加とともに増加し,そして,最尤分類精度の増加速度は,サポートベクトルマシンのものより速かった。MLCはサンプルサイズの影響が大きく,小さなサンプルの場合(5つ),分類精度が安定ではなく,30サンプルを超える場合には分類精度が安定している。SVM分類器に対しては,小サンプルの場合(5つ),分類精度が高く安定しているため,SVM分類は小サンプル分類に適し,理論サンプルサイズに影響されない.サンプルサイズが最小値理論値(30)を超えるとき,最大尤度分類精度はサポートベクトルマシンよりも優れており,サンプルサイズが増加すると,最尤推定量はより効果的に情報量サンプルを得ることができるが,サポートベクトルマシンのエッジ情報サンプルの増加は少ない。研究の結果は,サンプルの最適化のための以前の実験的基礎を提供した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 空間分布 ,  最適化 ,  *サポートベクトルマシン ,  最尤法 ,  適応性 ,  ノンパラメトリック法 ,  スペクトル ,  情報量 ,  分類装置
準シソーラス用語： SVM分類 ,  *分類精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： Sample characteristic ,  Classification accuracy ,  Spectral Discrete Overlap Degree(SDOD) ,  Maximum Likelihood Classification(MLC) ,  Support Vector Machine(SVM)

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： パラメータ ,  分類器 ,  分類精度 ,  サンプル ,  分析