文献

J-GLOBAL ID：201602294546678905   整理番号：16A0862771

弱分類器調整に基づくマルチ分類ADABOOSTアルゴリズム【JST・京大機械翻訳】

Multi-class Adaboost Algorithm Based on the Adjusted Weak Classifier

著者 (3件)： Yang Xinwu (School of Computer Science, Beijing University of Technology) ,  Ma Zhuang (School of Computer Science, Beijing University of Technology) ,  Yuan Shun (School of Computer Science, Beijing University of Technology)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 38  号： 2  ページ： 373-380  発行年： 2016年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  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： ADABOOST.ML1アルゴリズムは各弱分類器の正解率が要求される1/2より大きいが,しかしマルチ分類問題においてはこのような弱分類器を探すため困難である。ある学者は多種類の指数損失関数の逐次的添加モデル(SAMME)を提案し,弱分類器の正解率が1より大きくなるまで低下する要求をK/(Kはクラス数である),弱分類器を探すための困難さを低減した。従ってSAMMEアルゴリズムは弱分類器の有効性を保証することができないため,そして最終的な強分類器の正解率の向上を保証することができない。このため,本論文はマルチ分類ADABOOSTアルゴリズムの原理を解析し,図形的方法と数学的方法により,さらに新しいだけ低下できる弱分類器の要求,また弱分類器の有効性を確保することが1つのマルチ分類方法を提案する。UCIデータセット上での比較実験は,この論文で提案したアルゴリズムの結果は良かったがSAMMEアルゴリズム,そしてないADABOOST.MLに弱い1アルゴリズムの効果を達成したことを示した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 比較試験 ,  損失関数 ,  *アルゴリズム
準シソーラス用語： データセット ,  正解率 , 【Automatic Indexing@JST】

著者キーワード (3件)： Multi-class classification ,  Stagewise Additive Modeling using a Multi-class Exponential loss function (SAMME) ,  Adaboost.M1

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

タイトルに関連する用語 (3件)： 分類器 ,  マルチ分類 ,  AdaBoostアルゴリズム