文献

J-GLOBAL ID：201702295427906274   整理番号：17A0073429

部分空間学習に基づく図のスパース属性選択アルゴリズム【JST・京大機械翻訳】

Graph sparse for feature selection algorithm based subspace learning

著者 (5件)： Zhong Zhi (College of Computer & Information Engineering,Guangxi Teachers Education University) ,  He Wei (Guangxi Key Laboratory of Multi-Source Information Mining & Security,Guangxi Normal University) ,  Cheng Debo (Guangxi Key Laboratory of Multi-Source Information Mining & Security,Guangxi Normal University) ,  Hu Rongyao (Guangxi Key Laboratory of Multi-Source Information Mining & Security,Guangxi Normal University) ,  Liu Xingyi (Qinzhou University)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 33  号： 9  ページ： 2679-2682  発行年： 2016年 
JST資料番号： C2536A  ISSN： 1001-3695  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： 高次元属性を扱うための大規模属性縮小法について研究し,属性選択と部分空間学習は属性縮小の2つの一般的方法であり,属性選択は良好な説明を持ち,部分空間学習の分類効果は属性選択より優れていることを示した。しかし,これら2つの方法はそれぞれ独立して適用されている.そこで,これら2つの属性還元法を統合して,部分空間学習の2つの技術(すなわち線形判別分析(LDA)と局所保存射影(LPP))を設計し,データの大域的特性と局所特性を考慮し,同時に正則化因子を設定して属性選択を実現した。分類精度,分散,および変動係数に基づく実験結果は,他のアルゴリズムと比較して,提案したアルゴリズムがより効果的に判別属性を選択することができて,より良い分類効果を得ることができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 変動係数 ,  *アルゴリズム ,  正則化 ,  高次元 ,  *透視図法
準シソーラス用語： 分類精度 ,  局所保存射影 ,  線形判別分析 ,  *属性選択 ,  *部分空間学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： dimensionality reduction ,  feature selection ,  subspace learning ,  LDA ,  LPP ,  sparse learning

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 部分空間学習 ,  属性選択 ,  アルゴリズム