文献

J-GLOBAL ID：201002298448498222   整理番号：10A0883532

高次元データ解析のための局所学習に基づく特徴選択

Local-Learning-Based Feature Selection for High-Dimensional Data Analysis

著者 (3件)： SUN Yijun (Univ. Florida, FL) ,  TODOROVIC Sinisa (Oregon State Univ., OR) ,  GOODISON Steve (M.D. Anderson Cancer Center-Orlando, FL)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 32  号： 9  ページ： 1610-1626  発行年： 2010年09月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： これまでに例の無いほど多数の特徴を持つ大規模画像データセットの登場により,特徴抽出技術の重要性が高まっている。これに対し本論文では,高次元データ解析のための局所学習に基づく特徴選択手法の提案を行った。提案アルゴリズムに関しては,詳細な数学的定式化および定理の証明を行うとともに,そのアルゴリズムの処理内容として擬似コードを示し,収束性の解析,計算量の解析,高速実装,マルチクラス問題に対する特徴選択,について詳細な議論を行った。11個の人工的および実世界データセット上での大規模実験を実施し,その中で,スパイラル問題,UCIデータ上での実験,マイクロアレイデータ上での実験,などについての詳細事項を論じた。それにより,教師つき学習に対する特徴選択問題への提案手法の実現可能性および有効性を確認した。

シソーラス用語： *特徴選択 ,  *画像分析 ,  評価試験 ,  *教師つき学習 ,  データ解析 ,  高次元 ,  収束 ,  計算量 ,  アルゴリズム ,  DNAマイクロアレイ ,  画像データベース
準シソーラス用語： マイクロアレイ

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 高次元データ ,  解析 ,  学習 ,  特徴選択