文献

J-GLOBAL ID：201702213102308676   整理番号：17A0371438

信念関数の理論に基づく前抽出サポートベクトルへの新しいアプローチ【Powered by NICT】

A novel approach to pre-extracting support vectors based on the theory of belief functions

著者 (4件)： Han Deqiang (MOE KLINNS Lab, Institute of Integrated Automation, School of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Liu Weibing (MOE KLINNS Lab, Institute of Integrated Automation, School of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an, 710049, China) ,  Dezert Jean (ONERA, The French Aerospace Lab, Chemin de la Huniere, F-91761 Palaiseau, France) ,  Yang Yi (SKLSVMS, School of Aerospace, Xi’an Jiaotong University, Xi’an, 710049, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 110  ページ： 210-223  発行年： 2016年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 大規模データセットにおけるサポートベクトルマシン(SVM)の応用は訓練のためのその高い計算コストにより大きく妨げられる。SVM訓練では,分類超平面は,サポートベクトル(SV)により決定した。SVsと思われるこれらの試料は訓練のための予備抽出と使用することができれば,計算コストは分類精度を失うことなく減少させることができる。分類の訓練サンプルの不確実性を信念関数を用いてモデル化したが前抽出SVへのアプローチを提案した。高度不確実性のこれらの試料はSVする可能性が高い。著者らの手法は,異常値や雑音のあるサンプルを検出することができる。ベンチマークデータセットに基づく実験結果は,提案手法が従来手法と比較して良好に機能することを示す,訓練時間は有意に減少する(一桁から二桁に近い),一方,良好な分類精度を得ることができる。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： モデリング ,  異常値 ,  雑音 ,  サポートベクトルマシン ,  *不確実性
準シソーラス用語： 分類精度 ,  超平面 ,  計算コスト ,  大規模データセット ,  *信念関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： SVM ,  信念関数 ,  前extraction ,  パターン認識

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 信念関数 ,  理論 ,  ベクトル