文献

J-GLOBAL ID：201702224978430786   整理番号：17A1855126

情報エントロピー特徴重みづけカーネル関数のSVMデータ分類手法【JST・京大機械翻訳】

Weighted Kernel Function of Support Vector Machine for Data Classification Based on Information Entropy

著者 (4件)： Li Zhangsheng (蘭州交通大学電子与信息工程学院,蘭州,730070) ,  Wu Chenwen (蘭州交通大学電子与信息工程学院,蘭州,730070) ,  Liang Jinghan (蘭州交通大学電子与信息工程学院,蘭州,730070) ,  Wang Wei (蘭州交通大学電子与信息工程学院,蘭州,730070)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 38  号： 7  ページ： 1528-1532  発行年： 2017年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  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： 核関数とそのパラメータの選択と最適化は分析データの分布状況と密接に関連し、同一データは異なる核関数マッピングまたは同一核関数マッピングデータの異なる特徴部分集合により、異なるデータ群分類度を得ることができる。本論文は,単一カーネル関数が同じデータの異なる特徴部分集合において異なる予測認識効果を持つという問題に対して,情報エントロピー理論に基づき,情報エントロピー特徴重みづけカーネル関数に基づくSVMデータ分類法を提案した。それは,カーネル関数設計の盲目性と局所最適化のような非線形最適化問題を避けることができて,同時に,分類精度を改良することができた。実験結果は,情報エントロピーの重みづけカーネルに基づくSVMの認識結果が,同じ分類アルゴリズムによる認識結果と比較して,より高い分類精度,より良い安定性と一般化を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測 ,  核関数 ,  部分集合 ,  *重みづけ ,  最適化
準シソーラス用語： 分類アルゴリズム ,  分類精度 ,  非線形最適化 ,  ローカル最適化 ,  *データ分類 ,  *Kernel関数 ,  *情報エントロピー , 【Automatic Indexing@JST】

著者キーワード (4件)： kernel function ,  information entropy ,  feature weighting ,  support vector machine

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (6件)： 情報エントロピー ,  重みづけ ,  カーネル関数 ,  SVM ,  データ分類 ,  手法