文献

J-GLOBAL ID：201702227927184752   整理番号：17A0279132

最近傍分類におけるプロトタイプ選択のための多目的進化的アルゴリズムの比較【Powered by NICT】

Comparison of Multi-objective Evolutionary Algorithms for prototype selection in 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： SSCI  ページ： 1-8  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： 最近傍分類器は,使いやすさ,良好な性能のために一般的な教師つき分類器である。しかし,それらの成功にもかかわらず,それらは高い貯蔵要件,高い計算複雑性,および低雑音耐性などのいくつかの欠陥に悩まされている。これらの欠点を解決するために,プロトタイプ選択は分類精度をdeprecatingなしに,訓練データセットの大きさを低減する技術として検討されている。精度と還元の間のトレードオフを達成する必要性のために,多目的進化的アルゴリズム(MOEA)方法は,プロトタイプ選択問題を解くために有効なとして出現している。本論文の目的は,この問題を解くことでのそれらの効果を研究するためによく知られたMOEAの間の系統的比較を行うことである。比較はハイパーボリューム,Δ指数と二組の被覆率のような良く知られた測度の意味でMOEAの性能の研究を含んでいる。実験結果の実証的分析は統計的多重比較法により検証した。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： 測度 ,  計算量 ,  選択問題 ,  *プロトタイプ ,  雑音安定度 ,  被覆率
準シソーラス用語： 訓練データ ,  分類精度 , 【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 (3件)： 分類 ,  プロトタイプ ,  多目的進化的アルゴリズム