文献

J-GLOBAL ID：201702247280525720   整理番号：17A1428238

パターン分類のための進化的修正ファジィ最隣接則【Powered by NICT】

Evolutionary-modified fuzzy nearest-neighbor rule for pattern classification

著者 (3件)： Kassani Peyman Hosseinzadeh (School of Electrical and Electronic Engineering, Yonsei University, 120-749, Seoul, South Korea) ,  Teoh Andrew Beng Jin (School of Electrical and Electronic Engineering, Yonsei University, 120-749, Seoul, South Korea) ,  Kim Euntai (School of Electrical and Electronic Engineering, Yonsei University, 120-749, Seoul, South Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 88  ページ： 258-269  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 本論文では,良く確立されたk最近傍(k NN)とファジィNN(FNN)の改良版,多目的遺伝的アルゴリズム改良FNN(MOGA MFNN)と呼ばれるを示した。MFNN設計問題を四目的関数によって制約されたマルチモード目的最大化問題に変換した。MFNNと特徴属性の関連するパラメータセットは,非支配ソーティング遺伝的アルゴリズムIIを介した最適かつ自動的に決定することができた。縁IとマージンIIと命名された二種の新しい目的関数,未知データ,二つの既存性能関数と共にMFNN(多層フィードフォワードニューラルネットワークの汎化能力を改善することを導入した:幾何平均と訓練精度のための受信機手術した特性曲線下面積。さらに,MFNNの局所クラスメンバシップ関数のための新しいデータ依存重み割当手法を提案した。技術はMOGAアルゴリズムにより適応的にその局所近傍を決定するMFNNを可能にした。分類を促進するために,MOGA MFNNは,図形処理ユニット(GPU),計算速度が大幅に増大する上に実装した。MFNNの局所クラスメンバシップ関数を事前に計算し,分類段階に遅延よりもできる。これは再び分類速度を向上させることができる。MOGA MFNNがカリフォルニア大学Irvine(UCI)のリポジトリから得られた20データセット上で評価した。厳密な統計的有意性検定を用いた実験は,提案した方法が既存の方法と競合的に性能を発揮することを実証した。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： ソーティング ,  汎化 ,  目的関数 ,  メンバシップ関数 ,  遺伝的アルゴリズム ,  *パターン分類 ,  リポジトリ ,  多モード ,  図形処理 ,  *曖昧さ ,  受信機 ,  最大化問題 ,  計算機処理速度
準シソーラス用語： フィードフォワードニューラルネットワーク ,  多目的遺伝的アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： パターン分類 ,  ファジィ最隣接則 ,  多目的遺伝的アルゴリズム ,  グラフィカル処理ユニット

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 (3件)： パターン分類 ,  進化 ,  ファジィ