文献

J-GLOBAL ID：201702286417907042   整理番号：17A1395566

対数SVM(サポートベクトルマシン)と弾性対数SVMを介した同時分類と特徴選択【Powered by NICT】

Simultaneous classification and feature selection via LOG SVM and Elastic LOG SVM

著者 (4件)： Liu Jian-wei (Department of Automation China University of Petroleum Beijing Beijing, China, Beijing Aerospace PetroChemical Technology And Equipment Engineering Company Limited) ,  Li Shuang-Cheng (Department of Automation China University of Petroleum Beijing Beijing, China, Beijing Aerospace PetroChemical Technology And Equipment Engineering Company Limited) ,  Cui Li-peng (Department of Automation China University of Petroleum Beijing Beijing, China, Beijing Aerospace PetroChemical Technology And Equipment Engineering Company Limited) ,  Luo Xiong-lin (Department of Automation China University of Petroleum Beijing Beijing, China, Beijing Aerospace PetroChemical Technology And Equipment Engineering Company Limited)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 11017-11022  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： データマイニングと機械学習では,クラスラベルを分類し,特徴を選択する同時に重要である。本研究を行い,二種類の新しいスパースサポートベクトルマシン(SVM),すなわち,LOG SVMと弾性LOG SVMを提案した。LOG SVMは対数ペナルティを使用し,弾性LOG SVMは非凸LOGペナルティとL_2ノルムペナルティを組み合わせたものである。LOG SVMと弾性LOG SVMは分類と特徴選択を同時に達成することができる。SVMの両方を解くために使用されている局所二次近似実験はまた,提案したSVMは分類と特徴選択の側面において良好に働くことを示すために実施した。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： *弾性 ,  ペナルティ ,  *特徴選択 ,  凸形 ,  *対数 ,  データマイニング ,  近似法 ,  *サポートベクトルマシン ,  機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 対数 ,  SVM ,  サポートベクトルマシン ,  弾性 ,  特徴選択