文献

J-GLOBAL ID：201702223840655161   整理番号：17A1593630

図に基づく特徴選択アルゴリズムによるアメーバ症診断問題に関する研究【JST・京大機械翻訳】

Graph feature selection for Alzheimer’s disease diagnosis

著者 (5件)： Zhu Yonghua (广西大学計算机与電子信息学院,南寧,530004) ,  Cheng Debo (广西師范大学計算机科学与信息工程学院,广西桂林,541004) ,  He Wei (广西師范大学計算机科学与信息工程学院,广西桂林,541004) ,  Wen Guoqiu (广西師范大学計算机科学与信息工程学院,广西桂林,541004) ,  Liang Zhengyou (广西大学計算机与電子信息学院,南寧,530004)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 34  号： 4  ページ： 1018-1021  発行年： 2017年 
JST資料番号： C2536A  ISSN： 1001-3695  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： 神経性疾患の確定診断が難しい問題に対して、図に基づく特徴選択方法を提案し、不一致の特徴をフィルタリングし、便利かつ正確に疾患患者を診断する。最初に,事前知識に基づいて,2つの基本的関係(特性関係とサンプル関係)を定義した。次に,これらの2つの関係を最小二次損失関数とl2-ノルム正則化因子によって構成されるマルチタスク学習フレームワークに埋め込んだ。最後に,縮小された次元縮小マトリックスを,サポートベクトルマシン(SVM)に送り込むことによって,患者に対して診断を行うことができた。実験結果は,提案したアルゴリズムの分類効果が一般的な分類アルゴリズムよりも優れていることを示しているが,提案したアルゴリズムの分類性能は,一般的な分類アルゴリズムよりも優れていることが分かった。例えば、K最近傍法(KNN)、サポートベクトルマシン(SVM)などである。提案したアルゴリズムは、特徴選択と二種類のデータの内在関係を考慮することにより、有効にアメーバ疾患診断の正確率を向上させた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *アメーバ症 ,  サポートベクトルマシン ,  患者 ,  正則化 ,  *特徴選択 ,  損失関数 ,  *アルゴリズム ,  次元縮小 ,  フィルタリング ,  *アメーバ ,  ノルム
準シソーラス用語： 最近傍法 ,  分類アルゴリズム ,  マルチタスク学習 ,  事前知識 , 【Automatic Indexing@JST】

著者キーワード (3件)： Alzheimer’s disease diagnosis ,  feature selection ,  manifold learning

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 (6件)： 特徴選択 ,  アルゴリズム ,  アメーバ症 ,  診断 ,  問題 ,  研究