文献

J-GLOBAL ID：201702235257509705   整理番号：17A0450067

異なるクラスの比ファジィラフ集合に基づくロバストな特徴選択【Powered by NICT】

Different classes’ ratio fuzzy rough set based robust feature selection

著者 (4件)： Li Yuwen (Department of Automation, Xiamen University, Xiamen, 361005, PR China) ,  Wu Shunxiang (Department of Automation, Xiamen University, Xiamen, 361005, PR China) ,  Lin Yaojin (School of Computer Science, Minnan Normal University, Zhangzhou, 363000, PR China) ,  Liu Jinghua (Department of Automation, Xiamen University, Xiamen, 361005, PR China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 120  ページ： 74-86  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 特徴選択のための用いられる古典的ファジィラフ集合(FRS)モデルである雑音のある情報に敏感であるという問題を解決するために,効果的なロバストファジィラフ集合モデル,異なるクラスの比と呼ぶファジィラフ集合(DC_ratio FRS)モデルを提案した。提案したモデルは,下部と上部近似の計算に雑音標本の影響を減少させ,直接雑音標本を認識することができる。さらに,この試料の異なるクラスの比を計算することにより同定できる雑音のある試料を無視しているためDC_ratio FRSモデルは雑音に対してロバストである。異なるクラス’比は与えられた試料の近傍における異なるクラスに属する試料の割合を示す。DC_ratio FRSモデルの特性についても考察し,DC_ratio FRSモデルに基づく試料対選択(SPS)を特徴選択に使用した。最後に,提案したモデルのロバスト性と有効性を検証している広範な実験。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ロバスト性 ,  *特徴選択 ,  雑音 ,  近似法
準シソーラス用語： ファジーラフ集合 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  ファジィラフ集合 ,  ロバスト ,  雑音

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： クラス ,  ファジィラフ集合 ,  ロバスト ,  特徴選択