文献

J-GLOBAL ID：201702248379614026   整理番号：17A1779775

決定木学習は画像分類のための評価と選択に基づく特徴【Powered by NICT】

Decision tree learning based feature evaluation and selection for image classification

著者 (3件)： Liu Han (School of Computing, University of Portsmouth, Buckingham Building, Lion Terrace, Portsmouth PO1 3HE, United Kingdom) ,  Cocea Mihaela (School of Computing, University of Portsmouth, Buckingham Building, Lion Terrace, Portsmouth PO1 3HE, United Kingdom) ,  Ding Weili (Laboratory of Pattern Recognition and Intelligent Systems, Key Laboratory of Industrial Computer Control Engineering of Heibei Provience)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLC  ページ： 569-574  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： ビッグデータ時代において,機械学習はデータ処理のためにますます一般的な方法となっている。データは様々な形でできた,テキスト,画像,オーディオ,ビデオ信号のような。機械学習の本質は,データの特徴からのパターンを学習することである。上記タイプのデータでは,特徴の数である超高く,これは多数の無関係な特徴の存在をもたらす可能性がある。機械学習アルゴリズムの多くは無関係な特徴に敏感であるように機械学習タスクにおける特徴の効果的な評価および選択が非常に重要である。,特徴の効果的な評価も特徴である非構造化データから抽出する必要があるかを明らかにすることができる。本論文では,分類タスクにおける画像特徴の処理に焦点を当てた。特に,主要な二種類の特徴選択法のフィルタとラッパーをレビューした。も画像分類における一般的使用されており,特徴評価の点でこれらのアルゴリズムの限界を同定するいくつかの機械学習アプローチをレビューした。UCIリポジトリからの五画像データセット上でのC4(決定木学習アルゴリズム)と他の一般的なアルゴリズム(ナイーブBayes,K最近傍,多層パーセプトロン)の性能を示す実験的研究を報告する。さらに,訓練段階における特徴評価と決定木抽出されたルールは,検証段階の特徴を評価するために使用できるかを示すためにそのようなアルゴリズムの能力を解析するための決定木学習アルゴリズムの性質について述べた。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： リポジトリ ,  画像特性 ,  フィルタ ,  *学習 ,  機械学習 ,  多層パーセプトロン ,  特徴選択 ,  画像信号 ,  *画像 ,  *ディシジョンツリー ,  学習アルゴリズム ,  データ処理 ,  アルゴリズム
準シソーラス用語： ビッグデータ ,  *画像分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 決定木 ,  学習 ,  画像分類 ,  評価