文献

J-GLOBAL ID：201702278379676848   整理番号：17A1717079

カオスコウモリアルゴリズムに基づく重み付きサポートベクトルデータ記述【Powered by NICT】

Weighted support vector data description based on chaotic bat algorithm

著者 (3件)： Hamidzadeh Javad (Faculty of Computer Engineering and Information Technology, Sadjad University of Technology, Mashhad, Iran) ,  Sadeghi Reza (Department of Computer Engineering, Imam Reza International University, Mashhad, Iran) ,  Namaei Neda (Faculty of Computer Engineering and Information Technology, Sadjad University of Technology, Mashhad, Iran)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 60  ページ： 540-551  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  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： サポートベクトルデータ記述(SVDD)は異常検出のためのサポートベクトルに基づく学習アルゴリズムである。この方法では,ターゲットが超球を構築することにより正常データ周りの境界を形成した。顕著な精度を得るために,制御パラメータを用いて,超球量を調節することである。このパラメータの値は,データ特性に依存する。従って,それを予測するために適切な方法ではない。一方,自由パラメータの数は,SVDDのより改良されたバージョンで増加した。本論文では,カオスコウモリアルゴリズム,進化的アルゴリズムはデータの効果的な記述を設計する目的で使用されている。提案した方法,カオスコウモリアルゴリズム(WSVDD CBA)に基づく加重SVDDはコウモリアルゴリズム(BA)の全体的及び局所的探索の間のカオス関数と自動スイッチングの新しい重みとエルゴード性に基づいて構築した。この方法を評価するために,UCIリポジトリからのいくつかのデータ集合上で10分割交差検定に基づいて行ったいくつかの実験。実験結果は,分類精度,精度と再現率尺度に関して最先端の方法と提案したアルゴリズムの優位性を示した。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： リポジトリ ,  学習アルゴリズム ,  交差検証法 ,  *アルゴリズム ,  *カオス ,  エルゴード性 ,  スイッチング
準シソーラス用語： 最先端 ,  再現率 ,  分類精度 ,  加重 ,  進化的アルゴリズム ,  制御パラメータ ,  異常検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 1クラス分類 ,  重み付きSVDDカオスコウモリアルゴリズム(WSVDD CBA) ,  サポートベクトルデータ記述 ,  スイッチング探索 ,  エルゴード性

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： ベクトル ,  データ記述