文献

J-GLOBAL ID：201302268668230625   整理番号：13A1474263

能動学習と共同訓練に基づく分類のための半教師ラフ集合モデル

A Semi-Supervised Rough Set Model for Classification Based on Active Learning and Co-Training

著者 (4件)： Gao Can (Dep. of Computer Sci. and Technol.,Coll. of Electronics and Information Engineering, Tongji Univ., Key Lab. of ...) ,  Miao Duoqian (Dep. of Computer Sci. and Technol.,Coll. of Electronics and Information Engineering, Tongji Univ., Key Lab. of ...) ,  Zhang Zhifei (Dep. of Computer Sci. and Technol.,Coll. of Electronics and Information Engineering, Tongji Univ., Key Lab. of ...) ,  Liu Caihui (Dep. of Computer Sci. and Technol.,Coll. of Electronics and Information Engineering, Tongji Univ., Key Lab. of ...)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 25  号： 5  ページ： 745-754  発行年： 2012年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  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： 効果的教師あり学習モデルとしてのラフ集合論は,通常は分類子を整枝するラベルつきデータの量の利用率に依存している。しかしながら,多くの現実的問題では,大量のラベルなしデータは容易に入手可能であり,ラベルつきデータを得るには,その高コストのため極めて高くつく。この研究は,半教師ラフ集合モデルを提案し,部分的ラベルつきデータを取扱う。先ず,提案モデルは2つの多様な半教師削除を採用し,ラベルつきデータに関するその基底分類子を整枝する。2つの基底分類子のためのラベルなし分岐サンプルを選択し,能動学習の原理に基づいてラベルづけを行い,次に,更新された分類子は,確信的ラベルなしサンプルを,その付随物にラベルづけして,互いに学習する。選択したUCIデータ集合での実験結果は,提案モデルが部分的ラベルつきデータの分類性能を大幅に向上し,データ集合の最高性能さえも得ることを示している。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *ラフ集合 ,  教育訓練 ,  学習 ,  教師つき学習 ,  学習モデル ,  理論 ,  集合 ,  試料 ,  付属物 ,  比率
準シソーラス用語： 共同訓練 ,  能動学習 ,  教師あり学習 ,  ラフ集合論 ,  データ集合 ,  実験結果 ,  サンプル ,  付随物 ,  利用率

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 能動学習 ,  共同訓練 ,  分類 ,  教師 ,  ラフ集合 ,  モデル