文献

J-GLOBAL ID：201702281593593090   整理番号：17A1555699

高次元データのための相互情報およびランダムフォレスト法に基づく分類応用【Powered by NICT】

Classification Application Based on Mutual Information and Random Forest Method for High Dimensional Data

著者 (4件)： Kong Qingqing ,  Gong Huili ,  Ding Xiangqian ,  Hou Ruichun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IHMSC  ページ： 171-174  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： ランダムフォレスト(RF)は,高次元データの分類に広く使用されている。しかし,高次元データの全ての特徴は,分類,計算時間を増加させ,分類精度を低減するに使用されている。,特徴選択は高次元データ分類に重要である。この問題を解決するために,本論文では,条件付き相互情報(CMI)とランダムフォレスト(CMI RF)方法を提案した。CMIを用いて無関係で冗長な情報を除去することである。より高い分類精度を持った特徴の最適部分集合はRFにより得られた。本論文では,近赤外スペクトルデータの高い次元は実験データとした。実験結果はCMI RF法は強い相関,冗長性と高い分類精度で特徴サブセットを選択することができることを示さない。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： CPU時間 ,  近赤外スペクトル ,  冗長性 ,  *特徴選択 ,  部分集合
準シソーラス用語： 分類精度 ,  *ランダムフォレスト ,  *高次元データ , 【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 (4件)： 高次元データ ,  ランダムフォレスト法 ,  分類 ,  応用