文献

J-GLOBAL ID：201002270802235976   整理番号：10A0760346

Learn⁺⁺.MF:欠測特徴問題のためのランダム部分空間法

Learn⁺⁺.MF: A random subspace approach for the missing feature problem

著者 (5件)： POLIKAR Robi (Electrical and Computer Eng., Rowan Univ., 201 Mullica Hill Road, Glassboro, NJ 08028, USA) ,  DEPASQUALE Joseph (Electrical and Computer Eng., Rowan Univ., 201 Mullica Hill Road, Glassboro, NJ 08028, USA) ,  SYED MOHAMMED Hussein (Electrical and Computer Eng., Rowan Univ., 201 Mullica Hill Road, Glassboro, NJ 08028, USA) ,  BROWN Gavin (Univ. of Manchester, Manchester, England, GBR) ,  KUNCHEVA Ludmilla I. (Univ. of Bangor, Bangor, Wales, GBR)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 43  号： 11  ページ： 3817-3832  発行年： 2010年11月 
JST資料番号： D0611A  ISSN： 0031-3203  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： 教師つき分類における欠測特徴問題を処理するために,ランダム部分空間選択を採用した分類器アンサンブルベースアルゴリズムであるLearn⁺⁺.MFを導入した。ほとんどのこれまでの手法とは異なり,Learn⁺⁺.MFは欠測値を推定した値で置き換えず,そのため,基礎データ分布についての特定の仮定を必要としない。それに代わって,分類器アンサンブルを利用可能な特徴のランダム部分集合上でそれぞれ訓練する。欠測値を持つインスタンスを,訓練データが欠測特徴を含まない分類器の多数決投票により分類する。Learn⁺⁺.MFが,かなりの量の欠測データに適応でき,欠測データの数の増加により性能が緩やかに低下するだけであることを示した。ランダム特徴部分集合の基数と,アルゴリズムの性能へのアンサンブルサイズの影響も解析した。最後に,提案した方法が最も有効になる条件も議論した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *計算機アルゴリズム ,  教師つき学習 ,  *測定データ ,  *部分空間法 ,  分類装置 ,  集合 ,  多数決論理 ,  部分集合
準シソーラス用語： *欠測データ ,  *分類アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： MF ,  欠測 ,  問題 ,  部分空間法