文献

J-GLOBAL ID：201702282620437160   整理番号：17A1398478

独立正規化マルチラベルアンサンブル【Powered by NICT】

Independence regularized multi-label ensemble

著者 (4件)： Yu Ziwei (School of Computer Science and Technology, Tianjin University, Tianjin 300350, China) ,  Zhang Changqing (School of Computer Science and Technology, Tianjin University, Tianjin 300350, China) ,  Hu Qinghua (School of Computer Science and Technology, Tianjin University, Tianjin 300350, China) ,  Zhu Pengfei (School of Computer Science and Technology, Tianjin University, Tianjin 300350, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 853-858  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： 本論文では,アンサンブル学習を用いたマルチラベル学習タスクを促進することに焦点を当てた。伝統的な単一アルゴリズム法と比較して,アンサンブル法は,各構成学習されたモデルよりもはるかに優れた性能を達成し,特に異なる分類器の条件付き独立性下でことが認識されている。既存マルチラベルアンサンブルアルゴリズムは主に異なる機構を用いて多様な成分学習者創出に焦点を当てている,大部分はスマート発見的方法によるランダム化戦略を用いた。多くの既存手法とは異なり,本論文では,異なる分類器の一般的独立性を考慮した基本分類器を学習するために,アンサンブル法を提案した。,各学習マルチラベル分類器は,多様で相補的であることが保証されている。さらに,これら分類器の異なる品質を考慮して,重みベクトルはこれら分類器のバランスをとるために学習される。いくつかのベンチマークデータセット上での実験を行い,提案の手法は最新技術の手法よりも優れていることを実証した。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： 学習 ,  ベクトル ,  アルゴリズム ,  発見的方法 ,  *正規化 ,  品質
準シソーラス用語： マルチラベル分類 ,  学習者 ,  アンサンブル法 ,  アンサンブル学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 正規化