文献

J-GLOBAL ID：201702225710956900   整理番号：17A1397090

医療データへのSsVGMMの応用新規性検出を用いた分類【Powered by NICT】

Application of SsVGMM to medical data - classification with novelty detection

著者 (4件)： Yang Fan (Graduate School of Information Science, Nara Institute of Science and Technology, Ikoma, 630-0192, Japan) ,  Soriano Jaymar (Graduate School of Information Science, Nara Institute of Science and Technology, Ikoma, 630-0192, Japan) ,  Kubo Takatomi (Graduate School of Information Science, Nara Institute of Science and Technology, Ikoma, 630-0192, Japan) ,  Ikeda Kazushi (Graduate School of Information Science, Nara Institute of Science and Technology, Ikoma, 630-0192, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 3098-3101  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 医療解析における分類を適用する大きな要求がある。伝統的な分類器は各クラスからの訓練サンプルを必要とする。しかし,実際には,試験セットをトレーニングセットしていないクラスを含んでいる可能性がある。は必然的に問題:不明確なクラスからのデータは,予め定義されたクラスに割り当てることを引き起こす。この問題に取り組むために,新規性検出を用いた多クラス分類を行うために半教師つき変分Gauss混合モデルを提案した。いくつかのポピュラーな新規性検出法と比較して,著者らは,それがしきい値を明示的に行うこと無しに,予め定義されたクラスと明らかにされていないクラスの分布を生成することにより,甲状腺疾患データに良好な性能を得ることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *変分法 ,  検出法
準シソーラス用語： Gauss混合モデル ,  多クラス分類 , 【Automatic Indexing@JST】

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 (4件)： 医療 ,  応用 ,  新規性 ,  分類