文献

J-GLOBAL ID：201502219747693481   整理番号：15A0860928

最大従属性と最小冗長性に基づくマルチラベル特徴選択

Multi-label feature selection based on max-dependency and min-redundancy

著者 (5件)： LIN Yaojin (School of Computer Sci., Minnan Normal Univ., Zhangzhou 363000, CHN) ,  LIN Yaojin (School of Computer Sci. and Technol., Tianjin Univ., Tianjin 300072, CHN) ,  HU Qinghua (School of Computer Sci. and Technol., Tianjin Univ., Tianjin 300072, CHN) ,  LIU Jinghua (School of Computer Sci., Minnan Normal Univ., Zhangzhou 363000, CHN) ,  DUAN Jie (School of Computer Sci. and Technol., Tianjin Univ., Tianjin 300072, CHN)
資料名： Neurocomputing  (Neurocomputing)
巻： 168  ページ： 92-103  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： マルチラベル学習は種々のラベルに同時に属するデータを扱う。伝統的な教師つき特徴選択のように,マルチラベル特徴選択もデータマイニング,情報検索そして機械学習において重要な役割を演じる。本論文で筆者らは最初に,マルチラベル特徴の2要因,特徴従属性と特徴冗長性を検討した。特に,従属性は候補特徴が各ラベルに貢献する程度を意味し,冗長性はすべてのラベルの下での候補特徴と選択した特徴の重なりを表わす。次に筆者らは,相互情報を最大従属性と最小冗長性と結合した。それはマルチラベル学習に対する優越特徴部分集合を選択することを許した。広範な実験は提案した方法が良好な特徴部分集合を選択し,いくつかの最新アプローチ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： *依存性 ,  *冗長性 ,  分類 ,  *特徴選択 ,  教師つき学習 ,  データマイニング ,  情報検索 ,  機械学習 ,  特性
準シソーラス用語： マルチラベル分類 ,  *従属性 ,  特徴

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 従属性 ,  冗長性 ,  マルチ ,  ラベル ,  特徴選択