文献

J-GLOBAL ID：201702269568060753   整理番号：17A0170894

能動学習と信頼度投票を組み合わせた集成自学習手法【JST・京大機械翻訳】

Ensemble self-training method based on active learning and confidence voting

著者 (2件)： Li Junnan (College of Computer and Information Science, Chongqing Normal University) ,  Lv Jia (College of Computer and Information Science, Chongqing Normal University)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 52  号： 20  ページ： 167-171,230  発行年： 2016年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  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： アンサンブル学習に基づく自己学習アルゴリズムは一種の半教師つきアルゴリズムであり,多くの研究者は分類装置の投票または平均信頼度を統合することによって信頼できるサンプルを選択する。信頼度に基づく投票戦略の傾向は信頼度の高いサンプルあるいは信頼度が低いが、投票が一致するサンプルを標識し、後者の状況は意思決定境界に近いサンプルを誤標識する可能性があり、不均一アンサンブル分類器も各分類子の高信頼サンプルに対するラベルの違いを招く可能性がある。これにより,ラベル付きサンプル集合に効果的に加えることはできない.これらの問題を解決するために,能動学習と信頼度投票戦略を結合した集成自学習アルゴリズムを提案した。このアルゴリズムは合理的に投票戦略を調整し、信頼度が高くかつ投票一致の無標識サンプルを選択し、同時に、自主学習を用いて投票不一致で信頼度の低いサンプルに対して人工標識を行い、統合自己学習学習の信頼度が高いサンプルを補う。信頼度の低いサンプルの有用な情報の欠陥を無視した。UCIデータセットに関する比較実験は,提案したアルゴリズムの有効性を示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *コーパス ,  アルゴリズム ,  *学習 ,  比較試験 ,  分類装置 ,  *信頼度 ,  意思決定 ,  *投票 ,  学習アルゴリズム
準シソーラス用語： 自己学習 ,  自主学習 ,  分類子 ,  アンサンブル分類器 ,  アンサンブル学習 ,  *能動学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： ensemble self-training ,  active learning ,  weighted K Nearest Neighbor(KNN) ,  naive Bayes ,  confidence

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 能動学習 ,  信頼度 ,  投票 ,  集成 ,  学習 ,  手法