文献

J-GLOBAL ID：201702254782143890   整理番号：17A0181669

エイリアシングデータセットのための改良型SVM:区分しきい値サポートベクトルマシン【Powered by NICT】

An Improved SVM for Aliasing Dataset: Demarcation Threshold Support Vector Machine

著者 (2件)： Zhang Bei-Bei ,  Zhou Hua-Ping
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISCID  ページ： 398-402  発行年： 2016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： サポートベクトルマシン(SVM)はパターン認識,分類と回帰分析に使用した。しかし,SVMは傾斜データセット,分類決定表面のオフセットにつながるにより容易に影響され,最適超平面は小サンプルサイズクラスに傾斜することができた。,これは確かに分類誤差を増加させるであろう。問題を解決するために,本論文では,区分しきい値サポートベクトルマシン(DT SVM)を提案した。DT SVMは主要な三成分,最近傍,分散及び制限しきい値で構成されている。最初の予備傾斜データセットにおけるデータ,エイリアシングデータであるかどうか判断を処理し,最終的にそれらに対応する操作を,エイリアシングデータと制限しきい値のk最近傍のクラス別に属するどのクラス判定した。実験結果は,分類精度と上記モデルの小サンプルサイズクラスの分類精度はある程度改善されることを示した。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： パターン認識 ,  回帰分析 ,  オフセット ,  *サポートベクトルマシン ,  小サンプルサイズ ,  超平面
準シソーラス用語： 分類精度 , 【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)： SVM ,  しきい値 ,  サポートベクトルマシン