文献

J-GLOBAL ID：201202231485784895   整理番号：12A1095986

偽装データに対するノイズ検出に基づいたAdaBoostアルゴリズム

A noise-detection based AdaBoost algorithm for mislabeled data

著者 (3件)： CAO Jingjing (Dep. of Computer Sci., City Univ. of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong) ,  KWONG Sam (Dep. of Computer Sci., City Univ. of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong) ,  WANG Ran (Dep. of Computer Sci., City Univ. of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 45  号： 12  ページ： 4451-4465  発行年： 2012年12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： ノイズ感度は,AdaBoostアルゴリズムの重要な関連問題として知られている。以前の研究では,ノイズのあるデータセットに対処する時に,学習困難なインスタンス(偽装インスタンスまたは異常値)に,高い重みを割り付けるというその一貫性のために,AdaBoostが,過剰適合しがちであることを示した。本稿では,偽装されたノイズのあるインスタンスの訓練を強化し,ノイズのないインスタンスの正確な分類を用いた,分類器を組み合わせるために,ノイズ検出に基づくAdaBoost(ND-AdaBoost)と名付けた,新しいブースティングアプローチを開発した。特に,このアルゴリズムは,各反復での重み分配を調整するために,ノイズ検出に基づいた損失関数を,AdaBoostに統合する事により設計した。ノイズのあるインスタンスを検出するために,k最近傍(k-NN)および,期待最大化(EM)に基づいた評価基準の両方を構成した。さらに,理論的サポートを提供する,提案したアルゴリズムの訓練誤差限界の全体的効果を制御するために,再生条件を提示して分析した。最後に,選択された二値UCIベンチマークデータセットに関するいくつかの実験を実施し,ノイズのあるデータセットに対しては,提案したアルゴリズムが,標準および他のタイプのAdaBoostと較べて,よりロバストであることを実証した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *雑音 ,  *検出 ,  *学習アルゴリズム ,  学習機械 ,  損失関数 ,  問題 ,  評価基準
準シソーラス用語： *AdaBoost ,  *ノイズ ,  ブースティングアルゴリズム ,  最近傍問題

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 偽装 ,  ノイズ ,  AdaBoostアルゴリズム