文献

J-GLOBAL ID：201702283622254871   整理番号：17A0406520

不均衡データ分類のための大きなコスト高感度縁辺分布機【Powered by NICT】

Large cost-sensitive margin distribution machine for imbalanced data classification

著者 (6件)： Cheng Fanyong (College of Electrical and Information Engineering, Hunan University, Lushan South Road, Changsha 410082, China) ,  Cheng Fanyong (Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, Department of Computer Science, Minjiang University, Fuzhou 350121, China) ,  Zhang Jing (College of Electrical and Information Engineering, Hunan University, Lushan South Road, Changsha 410082, China) ,  Wen Cuihong (College of Electrical and Information Engineering, Hunan University, Lushan South Road, Changsha 410082, China) ,  Liu Zhaohua (School of Information and Electrical Engineering, Hunan University of Science and Technology, Xiangtan 411201, China) ,  Li Zuoyong (Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, Department of Computer Science, Minjiang University, Fuzhou 350121, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 224  ページ： 45-57  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コストマージン分布学習を開発し,不均衡訓練データにバランスのとれた検出率を得るために大きなコストに敏感な縁物流機械(LCSDM)を提案した。マージン理論は単一縁と比較して,縁辺分布は汎化性能に重要であることを明らかにした。大マージン分布マシン(LDM)は優れた分類性能と強い一般化性能を得るように設計されている。しかし,LDMは一般的に不均衡訓練データに二クラス間の不均衡なマージン分布を持っている。これは一般的に少数派クラスの低い検出率,多くの実際の応用で少数派クラスの高検出率のニーズに矛盾した。コストマージン分布学習は二クラスの間のバランスの取れたマージン分布と検出率を得るために示した。より,本研究はコスト高感度パラメータとクラス内検出率の間の関係を導出し,平衡検出速度を得るためにLCSDM設計する。実験結果はLCSDMは徐々によりバランスのとれた検出率を得るために,少数派クラスのマージン分布を増加させることができることを示した。一般学習法として,LCSDMである不均衡データ分類に特に適用可能である。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高感度 ,  *学習 ,  汎化
準シソーラス用語： 少数派 ,  検出率 ,  訓練データ ,  *不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： マージン分布 ,  コスト重視学習 ,  不均衡訓練データ ,  平衡検出率

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 均衡 ,  データ分類 ,  高感度 ,  分布