文献

J-GLOBAL ID：201702229628556138   整理番号：17A0458164

改訂LARS新しいスパースLSSVM法に基づく【Powered by NICT】

A New Sparse LSSVM Method Based the Revised LARS

著者 (2件)： Zhou Shuisheng ,  Liu Mengnan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CMVIT 2017  ページ： 46-51  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： 最小二乗サポートベクトルマシン(LSSVM)をサポートベクトルマシン(SVM)と同等の性能を有しており,分類と回帰問題のための広く用いられている。LSSVMの解は線形方程式を解くことにより得られるが,スパース性,大規模データセットを扱うことができないことをもたらすが不足している。角度回帰(LARS)最新法は,最小絶対収縮及び選択演算子(LASSO)問題を解くことにより,スパース解を得ることができる。LARSのアイデアを用いてLSSVMのスパース解を得るために,すなわち,RLARS LSSVMを提案したが,それは効率的な方法である。方法の特徴は反復的にサポートベクトルとして最も重要なサンプルを選択し,選択されたサポートベクトル同時にに類似していることを試料を除去することである。実験結果は,提案した方法がサポートベクトルの同じ数で他のスパースLSSVM法と比較して,はるかに高い試験精度を得ることが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】

シソーラス用語： サポートベクトルマシン ,  *透視図法 ,  一次方程式
準シソーラス用語： 大規模データセット ,  スパース性 ,  最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

分類 (9件)： 人工知能  (JE08000Z) ,  航空機事故  (TE01040E) ,  エネルギー消費,省エネルギー  (RA01092B) ,  石油と石油製品の性質,分析,試験  (YF02020X) ,  し好料作物  (FC03076D) ,  吸着,イオン交換  (XD02060I) ,  パターン認識  (JE07000S) ,  地下水学  (DC07040Y) ,  石油・天然ガスの貯蔵一般  (UA11040Y)

タイトルに関連する用語 (1件)： 改訂