文献

J-GLOBAL ID：201702217750833039   整理番号：17A0242191

最近傍分類のための選択のプロトタイプに対するSPEA2の適用【Powered by NICT】

Applying SPEA2 to prototype selection for nearest neighbor classification

著者 (3件)： Acampora Giovanni (Department of Physics “Ettore Pancini”, University of Naples Federico II, 80126, Italy) ,  Tortora Genoveffa (Department of Computer Science, University of Salerno, 84084 Fisciano, Italy) ,  Vitiello Autilia (Department of Computer Science, University of Salerno, 84084 Fisciano, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SMC  ページ： 003924-003929  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： k-最近傍(k NN)アルゴリズムは,その使いやすさ,良好な性能のために最も良く知られた教師つき分類器の一つである。しかし,その人気にもかかわらず,k-NNは,高い計算複雑性,高メモリ容量要求,低騒音耐性のようないくつかの欠点に悩まされている。プロトタイプ選択は,改善が,分類精度をdeprecatingなしに,訓練データセットのサイズを小さくすることによって前述の問題に対処することを目的とした成功した技術である。最近,進化的アルゴリズムは問題の解の空間を訪問におけるそれらの先天性探索能力と探査能力のために,プロトタイプ選択の還元の精度とサイズの最適化に適用することに成功した。しかし,今までのところ,プロトタイプ選択のためのすべての進化的手法はいわゆる多目的「アプリオリ」手法に基づいており,複数の目的は加重結合を通した単一目的に凝集した。本論文では,明示的に両方の目的を扱い,分類と低減性能の間の良好なトレードオフを提供するために,初めて,応用,すなわちSPEA2,「事後」アルゴリズムプロトタイプ選択問題に提案した。実験セクションで示したように,SPEA2の適用は,従来の「アプリオリ」手法で検出したものよりも高い品質の解の発見のおかげで訓練データの有意な低下と最近傍分類における高精度を保持していることを可能にした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 計算量 ,  *プロトタイプ ,  選択問題 ,  記憶容量 ,  アルゴリズム ,  品質 ,  最適化
準シソーラス用語： 高精度 ,  加重 ,  進化的アルゴリズム ,  訓練データ ,  分類精度 ,  低騒音 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 分類 ,  プロトタイプ