文献

J-GLOBAL ID：201702286770843407   整理番号：17A1282867

1つのクラスの重みづけと複数の事例を結合したマルチラベル学習アルゴリズムを提案した。【JST・京大機械翻訳】

Improved Algorithm for Multi-label Learning Based on Class Weights and Multi-instance

著者 (3件)： Yang Xiaojian (南京工業大学計算机科学与技術学院,南京,211816) ,  Wang Shanshan (南京工業大学計算机科学与技術学院,南京,211816) ,  Li Rongyu (南京工業大学計算机科学与技術学院,南京,211816)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 38  号： 4  ページ： 857-862  発行年： 2017年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多重ラベル学習は主に単一サンプルが同時に複数のクラスに属する問題を解決するために用いられる。伝統的なマルチラベルアルゴリズムは入力空間において単一の例だけで多義性オブジェクトを表現し、対象の複雑な内包を過度に簡略化し、表示段階において重要な情報を失うことを招く。これらの問題を解決するために,本論文は,クラスの重みづけとマルチ事例に基づく新しいマルチラベル学習アルゴリズム(CWMI-INSDIF)を提案した。アルゴリズムはMIML(Multi-Instance Multi-Label learning)フレームワークを採用し,学習サンプルをマルチケースに分割し,サンプルのプロセスを定義する際にデータの重要度を記述する重み関数を定義した。最後に,適応ペナルティ戦略を用いて,学習サンプルにおける各部分の情報の重みを決定し,入力空間におけるサンプル曖昧性をより良く記述した。公開データセットに関する実験結果を提示した。シミュレーション解析により,提案したアルゴリズムの学習性能と分類性能を改善することができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *学習 ,  重み関数 ,  *重みづけ ,  多義性 ,  ペナルティ ,  *学習アルゴリズム ,  簡素化 ,  曖昧さ ,  多重化 ,  *アルゴリズム
準シソーラス用語： 学習性能 , 【Automatic Indexing@JST】

著者キーワード (5件)： multi-label learning ,  MIML ,  class weights ,  adaptive ,  penalty strategy

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： クラス ,  重みづけ ,  マルチ ,  ラベル ,  学習アルゴリズム ,  提案