文献

J-GLOBAL ID：201602202626985821   整理番号：16A0084845

ツインサポートベクトルマシンに基づく代替ロバスト局所エムディング【Powered by NICT】

An alternative robust local embding based on twin support vector machines

著者 (2件)： Hua Xiaopeng ((Beijing)School of Computer Sci. and Technol., China Univ. of Mining and Technol., Key Lab. of Intelligent ...) ,  Ding Shifei ((Beijing)School of Computer Sci. and Technol., China Univ. of Mining and Technol., Key Lab. of Intelligent ...)
資料名： Zhongnan Daxue Xuebao Zirankexueban  (Zhongnan Daxue Xuebao Zirankexueban)
巻： 46  号： 1  ページ： 149-156  発行年： 2015年 
JST資料番号： C2798A  ISSN： 1672-7207  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： 多くの既存の非平行超平面サポートベクターマシン(ノースフミ)法は,同じクラスの訓練サンプルの大域情報を考慮したローカルな幾何学的構造及び内在デスクリミナント情報を十分考慮しない問題に的を絞り,ノースフミに代替できるロバストな局所埋め込み(アーレ)アルゴリズムの基礎理論を導入することにより提示された代替ロバスト局所埋込みベースツインサポートベクトルマシン(アルレッツフム)であった。アルレッツフムはX OR問題を扱うことができるノースフミ法の特性を継承しているだけでなく,同じクラスの訓練サンプルの局所的及び全体的な幾何構造を完全に考慮し,局所的および全体的な根本的な判別情報を示した。さらに,非線形分類問題を処理するために,カーネルマッピング法を用いて,非線形な場合にアルレッツフムを延長することであった。いくつかの合成データ集合と多くの現実のUCIデータセットでの実験結果は,提案したアルレッツフム法は優れた分類能力を有していることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 写像 ,  アルゴリズム ,  *ロバスト性 ,  *サポートベクトルマシン
準シソーラス用語： データセット ,  幾何構造 ,  超平面 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： サポートベクトルマシン ,  代替 ,  ロバスト