文献

J-GLOBAL ID：201702217824459198   整理番号：17A1455063

混合データのための新しい教師なしスペクトル特徴選択法:フィルタ法【Powered by NICT】

A new Unsupervised Spectral Feature Selection Method for mixed data: A filter approach

著者 (3件)： Solorio-Fernandez Saul (Computer Sciences Department, National Institute of Astrophysics, Optics and Electronics, Luis Enrique Erro # 1, Santa Maria Tonantzintla, Puebla 72840, Mexico) ,  Martinez-Trinidad Jose Fco. (Computer Sciences Department, National Institute of Astrophysics, Optics and Electronics, Luis Enrique Erro # 1, Santa Maria Tonantzintla, Puebla 72840, Mexico) ,  Carrasco-Ochoa J. Ariel (Computer Sciences Department, National Institute of Astrophysics, Optics and Electronics, Luis Enrique Erro # 1, Santa Maria Tonantzintla, Puebla 72840, Mexico)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 72  ページ： 314-326  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 電流教師なし特徴選択法の大部分は,数値データセットを処理するために設計されている。,実際問題では,研究中の物体は,数値的および非数値的特徴の両者によって記述される(混合データセット),これらの方法は直接適用できない。本研究では,数値的および非数値的特徴の両方を持つデータセットに使用できる新しい教師なしフィルタ特徴選択法を提案した。提案した方法は,スペクトル特徴選択によりヒントを得た特徴関連性を定量化するためのカーネルと新しいスペクトル一緒に基づく特徴評価尺度を用いることである。合成データセット上での実験を行い,関連する特徴が既知の場合の99%でこの方法は選別リストの開始で最も関連性のある特徴を同定し,ランク付けことを示した。さらに,実データセット上で最先端の教師なしフィルタ法に対してこの方法を対比し,多くの場合この方法はそれらを有意に上回った。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： 電流 ,  *フィルタ ,  *特徴選択 ,  等級づけ ,  *スペクトル
準シソーラス用語： 評価尺度 ,  *選択法 ,  *スペクトル特徴 , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師なし特徴選択 ,  スペクトル特徴選択 ,  混合データ ,  特徴ランキング

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)： 教師 ,  スペクトル特徴 ,  選択法