文献

J-GLOBAL ID：201502262081159975   整理番号：15A0287488

一般確率プロトタイプに基づくベクトルデータと近接データの分類

Generic probabilistic prototype based classification of vectorial and proximity data

著者 (1件)： SCHLEIF Frank-Michael (School of Computer Sci., Univ. of Birmingham, GBR)
資料名： Neurocomputing  (Neurocomputing)
巻： 154  ページ： 208-216  発行年： 2015年04月22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： 教師付き学習では,厳密な数学的枠組みにおいて識別モデルを定義するために確率モデルが興味を引き付けている。最近になって,コンパクトで効率的なモデルとして知られるプロトタイプ手法が確率的設定で定義されたが,計量ベクトル空間に限定される。ここでは多数のデータ分析タスクに広く適用できる,任意の近接データ用の識別確率プロトタイプ学習アルゴリズムの一般化を提案した。完全な確率的枠組みにおいて適応的な距離測度,カーネル,非計量的近接性を導入するように本アルゴリズムを拡張した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *教師つき学習 ,  *確率モデル ,  プロトタイプ ,  ベクトル空間 ,  データ解析 ,  学習アルゴリズム ,  識別関数 ,  計算機アルゴリズム ,  *自動分類
準シソーラス用語： Kernel関数 ,  計量ベクトル空間

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 確率 ,  プロトタイプ ,  ベクトル ,  分類