抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】