抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビッグデータ時代では,インターネット上のデータは時間とともに指数関数的に増大している。プライバシー保護,データ損失,ネットワーク誤差などによるデータの不確実性は非常に一般的である。データストリームシステムでは,データは連続的に到達し得られた全てのできない。さらに,概念漂流データストリームにおいてしばしば起こる。概念ドリフトを持つ不確実なデータストリーム分類を扱うためにインクリメンタル分類モデルを構築する必要がある。本論文では,概念ドリフトWBVFDTUCアルゴリズムを用いた不確実なデータストリームのための重み付きBayesベースの極めて高速なディシジョンツリーを示した。アルゴリズムは学習段階と分級段階の両方における不確実な情報を迅速に解析するとことができる。学習段階では,Hoeffding結合理論は,不確実なデータストリームのためのディシジョンツリーモデルを構築に用いた。分類段階では,樹木の葉における重み付きBayes分類器を用いた分類の性能を改善した。スライディングウィンドウと樹木の使用は,このアルゴリズムが概念ドリフト現象を扱うことができる確実にする。実験結果は,提案したアルゴリズムが非常に迅速に不確実なデータストリームを学習しモデルの分類性能を改善できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】