文献

J-GLOBAL ID：201702289731611611   整理番号：17A0321408

ビッグデータのための線形複雑さのインスタンス選択【Powered by NICT】

Instance selection of linear complexity for big data

著者 (4件)： Arnaiz-Gonzalez Alvar (University of Burgos, Spain) ,  Diez-Pastor Jose-Francisco (University of Burgos, Spain) ,  Rodriguez Juan J. (University of Burgos, Spain) ,  Garcia-Osorio Cesar (University of Burgos, Spain)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 107  ページ： 83-95  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： 最近数十年にわたり,データベースサイズがかなり成長させた。より大きなサイズは新しい挑戦を提示し,機械学習アルゴリズムは,このような大量の情報を処理していないからである。データセットの大きさは中の大にインスタンス選択法は,この問題を緩和することができる。しかし,これらの方法は非常に大きなへの大量データセットと同様の問題に直面している。本論文では,インスタンス選択目的のための線形複雑さをもつ二種の新しいアルゴリズムを提案した。両方のアルゴリズムは,事例間の類似性を見つけるために局所性鋭敏型ハッシュを用いた。従来法(通常二次,O(n 2),または対数線形,O(n logn)の複雑さは,それらが大型データセットを処理できないことを意味するが,新しい提案は精度の点で比肩可能な結果を示した。さらに注目すべきは,実行時間を短縮し,提案は,複雑性を低減でき,データセットサイズに関して線形に管理した。新しい提案を試験のために最も良く知られたインスタンス選択法のいくつかと比較し,大きなデータセット(百万までの例)について評価した。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： 学習アルゴリズム ,  対数 ,  *線形性 ,  アルゴリズム ,  類似性 ,  局所性
準シソーラス用語： 実行時間 ,  *複雑性 ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 最近接 ,  データ整理 ,  インスタンス選択 ,  ハッシング ,  ビッグデータ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ビッグデータ ,  線形 ,  複雑さ ,  インスタンス選択