文献

J-GLOBAL ID：201702278740878632   整理番号：17A0020562

ファジィマルチインスタンス分類器【Powered by NICT】

Fuzzy Multi-Instance Classifiers

著者 (5件)： Vluymans Sarah (Department of Applied Mathematics, Computer Science and Statistics, Ghent University, Belgium) ,  Tarrago Danel Sanchez (Department of Computer Science, Central University “Marta Abreu” of Las Villas, Santa Clara, Cuba) ,  Saeys Yvan (VIB Inflammation Research Center, Zwijnaarde, Belgium) ,  Cornelis Chris (Department of Applied Mathematics, Computer Science and Statistics, Ghent University, Gent, Belgium) ,  Herrera Francisco (Department of Computer Science and Artificial Intelligence, Research Center on Information and Communications Technology (CITIC-UGR), University of Granada, Granada, Spain)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 24  号： 6  ページ： 1395-1409  発行年： 2016年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
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： データのインスタンスバッグからなるマルチインスタンス学習は教師つき学習の環境である。データセットの試料を個々のインスタンスの群である。分類問題において,その意思決定値は全バッグに帰属される,未知のバッグの分類はそれが含む事例に基づく意思決定値の予測を含む。本論文では,ファジィ集合理論に基づくマルチインスタンス分類器のためのフレームワークを開発した。ファジィ集合は,多くの機械学習応用で検出されたが,マルチインスタンスデータの分類ではこれまで使用されてきた。はその潜在的な可能性を調べた。クラスを解釈ファジィ集合として利用可能な訓練データに基づいて,これらのセットにメンバシップ度未知のバッグのを決定した。そうすることで,インスタンスのレベル(インスタンスベース)あるいはバッグのレベル(バッグベース)で要求されるメンバシップ度を抽出する分類器のフレームワークを開発した。は,提案したフレームワーク内の異なる設定の広範な解析を提供する。最新のマルチインスタンス分類器に提案を実験的に比較し,二評価尺度に基づいて,この方法は非常によく機能することを示した。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： *ファジィ集合 ,  機械学習 ,  教師つき学習 ,  意思決定
準シソーラス用語： 評価尺度 ,  訓練データ ,  マルチインスタンス学習 , 【Automatic Indexing@JST】

分類 (2件)： 論理代数  (JB03000H) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (1件)： 分類器