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。
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】