文献

J-GLOBAL ID：201702245417928911   整理番号：17A1257361

スタッキングを用いた低および高レベル分類【Powered by NICT】

Low and high level classification using stacking

著者 (2件)： Covoes Thiago Ferreira (Department of Computer Science and Mathematics, FFCLRP, University of Sao Paulo) ,  Liang Zhao (Department of Computer Science and Mathematics, FFCLRP, University of Sao Paulo)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2525-2532  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： 高レベル分類は物理的特徴だけでなく基づくクラスパターンを同定し,オブジェクト間の距離である。は,使用した最近の方法の1つは,複雑なネットワークとそのトポロジー的特性に基づいている。このアプローチは高度に複雑なクラス構造を識別する能力利点になっている。しかし,以前の研究から,高および低レベル分類器の組合せである分類器の使用より優れていることが知られている。本研究では,そのような分類器を結合するためのスタッキング法の利用を提案した。電流法と比較して,主な利点は,臨界パラメータの除去,結果に大きな影響を及ぼす。また,クラス複雑ネットワークからの異なるグローバルなパターンを捕捉するための二つの新しい測度を提案した。五UCIデータセット上での実験と百万歌データセットのサブセットを行った。著者らの結果は,交差検証による臨界パラメータを最適化することと比較して,積層の使用は同等か良好な結果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： 測度 ,  電流 ,  ネットワーク ,  *臨界パラメータ ,  部分集合 ,  位相幾何学 ,  最適化
準シソーラス用語： 複雑ネットワーク , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： スタッキング ,  高レベル ,  分類