文献

J-GLOBAL ID：201302264819277070   整理番号：13A0990125

カーネル最適化に基づくマルチクラスサポートベクトルマシンの特徴選択

Kernel Optimization-Based Multiclass Support Vector Machine Feature Selection

著者 (4件)： WANG Tinghua (Gannan Normal Univ., Ganzhou, CHN) ,  LIU Fulai (Gannan Normal Univ., Ganzhou, CHN) ,  XIAO Mang (Gannan Normal Univ., Ganzhou, CHN) ,  CHEN Junting (Gannan Normal Univ., Ganzhou, CHN)
資料名： Journal of Computational and Theoretical Nanoscience  (Journal of Computational and Theoretical Nanoscience)
巻： 10  号： 3  ページ： 742-749  発行年： 2013年03月 
JST資料番号： W2377A  ISSN： 1546-1955  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： サポートベクトルマシン(SVM)は,学習機械の用途で大きな成功を達成したが,その特徴選択に関する研究対象は,二項分類に限られている。本報では,特徴選択を,マルチクラス分類シナリオによって考察し,最も識別および情報供給能力のある利用可能な特徴の,サブ集合を決定することをめざした。空間におけるクラスのデータ分布に基づいて,本報では,初めに,モデル選択基準(マルチクラスカーネル分極(MKP)と呼称)を提案し,カーネルの長所を評価した。次いで,この基準を最大化することによって,カーネルの各特徴に割り当てられたスケール因子を最適化した。この最大化の問題は,MKPの微分機能に基づいて解くことができる。実験研究を行ない,提案した方法の有効性を証明した。

シソーラス用語： *特徴選択 ,  *最適化 ,  *サポートベクトルマシン ,  分極 ,  分類 ,  パラメタリゼーション ,  パターン認識 ,  学習機械
準シソーラス用語： カーネル最適化 ,  システム最適化 ,  モデル選択

分類 (2件)： システム最適化手法  (IA02050Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： カーネル ,  最適化 ,  特徴選択