文献

J-GLOBAL ID：201702254282595081   整理番号：17A1029670

構造ミニマックス確率マシン【Powered by NICT】

Structural Minimax Probability Machine

著者 (3件)： Gu Bin (Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science and Technology, Nanjing, China) ,  Sun Xingming (Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science and Technology, Nanjing, China) ,  Sheng Victor S. (Department of Computer Science, University of Central Arkansas, Conway, AR, USA)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 7  ページ： 1646-1656  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： ミニマックス確率マシン(MPM)は生成事前知識に基づいた興味ある識別分類器である。誤分類の最大確率を最小化することにより結合した確率的精度を直接推定できる。データの構造情報を事前知識を表現するために有効な方法である,実世界問題の中での分類器の設計のために極めて重要であることが分かった。しかし,MPMは与えられた平均と共分散行列,データの構造情報を利用して効率的にしないと各クラスの事前確率分布のみを考慮する。本論文では,二値分類からのデータの構造情報を捕捉するために二つの有限混合モデルを用いた。有限混合モデルにおける各サブ分布では,その平均と共分散行列のみが既知であると仮定した。有限混合モデルに基づいて,構造MPM(SMPM)を提案した。SMPMは二次錐計画問題の配列により効果的に解くことができる。さらに,カーネル化手法を利用することにより,SMPMの線形モデルを拡張した非線形モデル。SMPMは大きなマージン分類器として解釈することができ,一定の特別な条件下でベクトルマシンとマキシ 分縁機械を支援するために変換できることを示した。合成と実世界データセット上での実験結果により,SMPMの有効性を示した。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： *確率分布
準シソーラス用語： 非線形モデル ,  線形モデル ,  有限混合モデル ,  共分散行列 ,  事前知識 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 確率 ,  マシン