文献

J-GLOBAL ID：201702230168282570   整理番号：17A1923851

マルチクラスコスト指数損失関数を用いたコスト敏感AdaBoostアルゴリズム【JST・京大機械翻訳】

A Multi-Class Cost Sensitivity AdaBoost Algorithm Using Multi-Class Cost Exponential Loss Function

著者 (4件)： Di Xiyang (空軍工程大学防空反導学院,710051,西安) ,  Wang Xiaodan (空軍工程大学防空反導学院,710051,西安) ,  Li Rui (空軍工程大学防空反導学院,710051,西安) ,  Jia Qi (空軍工程大学防空反導学院,710051,西安)
資料名： Xi’an Jiaotong Daxue Xuebao  (Xi'an Jiaotong Daxue Xuebao)
巻： 51  号： 8  ページ： 33-39  発行年： 2017年 
JST資料番号： W0363A  ISSN： 0253-987X  CODEN： HCTPDW  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： 複数の2種類のコスト敏感アルゴリズムにより拡張されたマルチクラスアルゴリズムの時間複雑性が高く、区別できないコストの問題を解決するために、多種類の費用関数損失関数を採用したマルチクラスコスト敏感AdaBoostアルゴリズム(MCCSADA)を提案した。アルゴリズムのコスト敏感性を保証するために,最初に,コスト敏感損失関数の設計基準を満たすマルチクラスコスト敏感指数損失関数を設計した。次に,損失関数を,分類器性能を評価するための標準として,損失関数の最小化を目的として,段階的重みづけモデルを用いて,最適化分類器の重み係数を,導き出すために,用いた。そして,それは,重みづけ関数を導き出すことができた。最終的に,マルチクラスのコスト損失関数と最適化ベースの分類装置の重み係数を用いて,マルチクラスAdaBoostアルゴリズムの損失数と重み係数の式を置換し,コストの敏感なMCCSADAアルゴリズムを得た。UCIデータセットを用いてアルゴリズムを検証し,実験結果は以下のことを示した。このアルゴリズムの安定性は改善され,劣化現象は弱められた。2つのコスト敏感アルゴリズムと比較して,MCCSADAアルゴリズムは,多くの場合,より低いコストを得ることができ,より低い時間複雑性を持ち,そして,3つのデータセットにおける時間複雑性は,約40%減少した。さらに,カテゴリー数の増加により,効率はより明白になった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  分類装置 ,  重み関数 ,  *損失関数 ,  *アルゴリズム ,  重みづけ ,  設計基準 ,  費用関数
準シソーラス用語： 重み係数 ,  敏感性 ,  複雑性 ,  *AdaBoost , 【Automatic Indexing@JST】

著者キーワード (5件)： cost sensitive ,  AdaBoost ,  multi-class ,  Bayes decision ,  loss function

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 指数 ,  損失関数 ,  AdaBoostアルゴリズム