文献

J-GLOBAL ID：201702211987401269   整理番号：17A1427272

平行サポートベクトルマシンを用いたマルチカーネルフレームワーク【Powered by NICT】

A multi-kernel framework with nonparallel support vector machine

著者 (5件)： Tang Jingjing (School of Mathematical Sciences, University of Chinese Academy of Sciences, Beijing 100049, China) ,  Tang Jingjing (Research Center on Fictitious Economy and Data Science, Chinese Academy of Sciences, Beijing 100190, China) ,  Tian Yingjie (Research Center on Fictitious Economy and Data Science, Chinese Academy of Sciences, Beijing 100190, China) ,  Tian Yingjie (Key Laboratory of Big Data Mining and Knowledge Management, Chinese Academy of Sciences, Beijing 100190, China) ,  Tian Yingjie (School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 266  ページ： 226-238  発行年： 2017年 
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： 多重カーネル学習(MKL)は,現在のカーネル機械学習分野で魅力的な研究方向として役立つ。など異種情報または不規則なデータのようなパターン,高次元試料の非平坦分布の多様な特性を処理柔軟にできる。既存のMKLモデルは通常,SVM(サポートベクターマシン)に構築した。しかし,SVMに基づく学習の代わりにMKLの性能を改善する可能性がある。,新しい分類器として,非平行サポートベクトルマシン(NPSVM)は,最先端の分類器に比べていくつかの比較利点を持つ二非平行近位超平面を追求した。本論文では,分類のためのMKNPSVMと名づけた新しいモデルを提案した。MKL(マルチカーネル学習)フレームワークにNPSVMを統合することにより,MKNPSVMはそれらの長所を受け継ぎ,また,NPSVMを拡張MKL場に新しい展望を開くものである。MKNPSVMを効率的に解くために,溶液として交互最適化アルゴリズム(を変化させるMKNPSVM)を提供した。三つの観点:汎化能力解析,収束解析とNPSVMとMKLとの比較からMKNPSVMの性能を理論的に解析した。十八の公開のUCIデータセット上での実験結果により,提案手法の有効性を確認した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 機械学習 ,  *サポートベクトルマシン ,  最適化 ,  高次元 ,  多重化 ,  汎化
準シソーラス用語： 収束解析 ,  マルチカーネル学習 ,  超平面 ,  Kernel法 , 【Automatic Indexing@JST】

著者キーワード (3件)： 多重カーネル学習 ,  非平行サポートベクトルマシン ,  交互最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： サポートベクトルマシン