文献

J-GLOBAL ID：201702236964115194   整理番号：17A1649234

処理データストリーム分類のための伝統的および群探索に基づく特徴選択アルゴリズムのレビュー【Powered by NICT】

A review of traditional and swarm search based feature selection algorithms for handling data stream classification

著者 (2件)： Sasikala S. (Department of Computer Science, IDE, University of Madras, India) ,  Devi D. Renuka (Department of Computer Science, IDE, University of Madras, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSSS  ページ： 514-520  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： ハードウェアおよびソフトウェア技術における最近の開発の増加に伴い,ストリーミングデータは,今日の環境のいたるところで使用されている,貯蔵,処理,膨大な量のデータを調べ,可視化するために非常に困難な仕事である。データストリーム領域における最も重要かつ挑戦的な課題の一つは,大きなデータセットの分類である。しかし従来の分類法は,メモリ制約とより長い実行時間を多く使用するストリーミング環境で運転させ開発した。データストリーム分類法におけるもう一つの三つの主要な重要な問題は巨大な長さ,概念ドリフトと特徴選択(FS)である。本レビュー論文では,ストリーミングデータのためのFSアルゴリズムの困難な問題,特徴集合のためのストリーミングデータの大きさは知られていない,一次計算制約における柔軟性需要を考慮し,各特徴である分類器モデルから利用できない。この困難を解決するために,種々のデータセット上で既存のストリーミングFSアルゴリズムと比較した場合,群知能(SI)アルゴリズムは分類精度,メモリ消費が少ないとより少ない実行時間をもたらす高次元と流動大データセット試料について行った。提案したSIベースFSアルゴリズムは,従来のFSアルゴリズムの困難性を克服する。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： 記憶装置 ,  ドリフト ,  *アルゴリズム ,  可視化 ,  ハードウェア ,  *特徴選択 ,  ストリーミング ,  柔軟性 ,  高次元
準シソーラス用語： 分類精度 ,  群知能 ,  実行時間 ,  分類法 ,  ストリーミングデータ ,  *データストリーム , 【Automatic Indexing@JST】

分類 (3件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： データストリーム ,  分類 ,  群 ,  探索 ,  特徴選択 ,  アルゴリズム ,  レビュー