文献

J-GLOBAL ID：201502207510355427   整理番号：15A0860988

相互情報量に基づく特徴変換を用いる異種特徴サブセット選択

Heterogeneous feature subset selection using mutual information-based feature transformation

著者 (3件)： WEI Min (Dep. of Electronic Engineering, City Univ. of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong) ,  CHOW Tommy W.S. (Dep. of Electronic Engineering, City Univ. of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong) ,  CHAN Rosa H.M. (Dep. of Electronic Engineering, City Univ. of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong)
資料名： Neurocomputing  (Neurocomputing)
巻： 168  ページ： 706-718  発行年： 2015年11月30日 
JST資料番号： W0360A  ISSN： 0925-2312  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： 従来の相互情報量(MI)に基づく特徴選択(FS)方法は,特徴サブセットとクラスタレベルの間のデータフォーマットの違い,または,MIの推定方法のために,異種特徴サブセット選択を適切に処理することができない。この問題を解決する方法は,特徴変換(FT)である。本研究では,非数値的特徴を数値的特徴に変換することができる新しい教師なし特徴変換(UFT)を開発し,テストした。UFTプロセスは,MIベースであり,クラスラベルと無関係である。Parzenウィンドウ特徴セレクタ(PWFS),最小冗長最大関連性特徴選択(mRMR),および正規化MI特徴選択(NMIFS)のようなMIベースFSアルゴリズムは,非数値的特徴の前処理のためにUFTを全面的に採用することができる。従来のFT方法とは異なり,PWFSがその完全な利点に利用される間,提案UFTは公平である。大規模なデータセットのシミュレーションと分析は,統合方法,UFT-PWFSにより選択された特徴サブセットが,分類精度において他のFT-FS統合方法より性能が優れていることを示した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *特徴選択 ,  部分集合 ,  *変換 ,  *相互情報量 ,  集合 ,  計算機シミュレーション ,  精度
準シソーラス用語： コンピュータシミュレーション ,  サブセット ,  データセット ,  *特徴変換 ,  分類精度

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 相互情報量 ,  特徴変換 ,  サブセット