文献

J-GLOBAL ID：201302269919685976   整理番号：13A0933495

総限界に基づくファジィ超球面学習機械

Total Margin Based Fuzzy Hypersphere Learning Machine

著者 (2件)： Tao Jianwen (School of Information Engineering,Jiangnan Univ., Wuxi) ,  Wang Shitong (School of Information Engineering,Jiangnan Univ., Wuxi)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 25  号： 2  ページ： 237-247  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： いくつかの問題が古典的サポートベクトルマシンに存在する。それは例えば,異常値とクラス不均衡学習がもたらす過剰適合問題や訓練例の統計情報の喪失である。これらの問題に狙いを定め,Mercer-Kernel誘発特徴空間で最小超球面を構築することによって,総限界ベースファジィ超球面学習機械(TMF-SSLM)を提案した。TMF-SSLMの主要アイデアは,あるクラスのバイナリパターンを最小超球面に入れ,そこから,別のバイナリパターンを最大限界と切り離すというものである。このように,最大のクラス間限界と最小のクラス内体積を実用化した。提案したTMF-SSLMは,ペナルティのファジィ化と総限界アルゴリズムを両方とも使用して,異常値から生じる過剰適合問題を解決し,ならびに不均衡問題は様々なコストアルゴリズムを用いて解決した。理論的解析は,TMF-SSLMが相対的に低い一般化誤差限界を獲得することを明らかにした。実際のデータセット上で獲得した実験結果は,提案したアルゴリズムが安定的で,他の関連図表よりも優れることを示す。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *学習機械 ,  曖昧さ ,  サポートベクトルマシン ,  集合 ,  アルゴリズム ,  ペナルティ ,  解析 ,  数 ,  限界
準シソーラス用語： ファジィ ,  データセット ,  理論解析 ,  バイナリー ,  実験結果 ,  誤差限界

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 限界 ,  ファジィ ,  球面 ,  学習機械