文献

J-GLOBAL ID：201702264266881326   整理番号：17A1266150

コスト高感度指数関数的損失関数に基づくマルチクラスコスト敏感なAdaBoostアルゴリズム【Powered by NICT】

Multi-class cost sensitive AdaBoost algorithm based on cost sensitive exponential loss function

著者 (4件)： Xiyang Zhai (Institute of Air Defense and Anti-Missile, Air Force Engineering University, Xi’an 710051, China) ,  Xiaodan Wang (Institute of Air Defense and Anti-Missile, Air Force Engineering University, Xi’an 710051, China) ,  Yang Jiang (Institute of Air Defense and Anti-Missile, Air Force Engineering University, Xi’an 710051, China) ,  Tong Wen (Institute of Air Defense and Anti-Missile, Air Force Engineering University, Xi’an 710051, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 6161-6166  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： 重要なアンサンブル学習アルゴリズムであるAdaBoostアルゴリズムは弱い分類器の分類性能を効果的に改善できる。コストに敏感なAdaBoostアルゴリズムはコストに敏感な問題を効果的に解決できる重要なコストに敏感なMEアルゴリズムである。ほとんどの既存のコストに敏感なAdaBoostアルゴリズムは二元ので,ベース分類器の構築に基づくマルチクラスコストに敏感なAdaBoostアルゴリズムを提案した。アルゴリズムは複雑であり,能力はベース分類器に依存している。これらの問題を解決するために,本論文では,コストの指数的損失関数に基づく多クラスコストに敏感なAdaBoostアルゴリズムを提案した。本論文では,コストに敏感なマルチクラス指数関数的損失関数を設計し,最小損失関数を用いた意思決定機能はコスト高感度Bayes意思決定関数に収束することを証明した。これに基づいて,CSSAMME マルチクラスコストに敏感なAdaBoostアルゴリズムを推論するためにstagewish加法的モデリングを採用した。最後に,UCIデータセットを用いてCSSAMMEアルゴリズムを検証した。実験結果は,このアルゴリズムがコストに敏感な特性と収束特性を持つことを示した。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： 意思決定 ,  *高感度 ,  学習アルゴリズム ,  加算 ,  *指数関数 ,  モデリング ,  *損失関数 ,  *アルゴリズム
準シソーラス用語： *AdaBoost , 【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)： 高感度 ,  指数関数 ,  損失関数 ,  AdaBoostアルゴリズム