文献

J-GLOBAL ID：201802210600368366   整理番号：18A0384914

関連性と冗長性の間のパレート最適トレードオフを用いた特徴重みづけと選択【Powered by NICT】

Feature weighting and selection with a Pareto-optimal trade-off between relevancy and redundancy

著者 (2件)： Das Ayan (Department of Electronics and Communication Engineering, Institute of Engineering & Management, Kolkata, 700091, India) ,  Das Swagatam (Electronics and Communication Sciences Unit, Indian Statistical Institute, Kolkata,700108, India)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 88  ページ： 12-19  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 特徴選択(FS)は機械学習における重要な前処理ステップである,データセットの各メンバーを記述するために用いられている特徴/変数の数を減少させる。そのような減少は非識別と冗長な特徴のいくつかを除去し,データの種々のクラスの中でより高い識別力を持つ既存の特徴の部分集合を選択することにより起こる。本論文では,各特徴に対応するいくつかの実数値重みの2目的最適化問題として特徴選択を定式化した。重み付き特徴のサブセットは,データの分類のための最良サブセットとして選択した。二情報理論的測度,「関連性」と「冗長性」として知られるは分解(MOEA/D)に基づく多目的進化的アルゴリズム」と呼ばれる非常に競争力がある多目的最適化(MOO)アルゴリズムのための目的関数を設計のために選択した。を実験的に最適化する重みに最良の可能な制約を決定した。は一般的なk-最近傍(k NN)分類器を用いて一連の15標準データセットに提案した2目的特徴選択と重みづけフレームワークを評価した。実験結果から明らかであるので,この方法は,現在の関心の最新FS方法のいくつかに非常に競争力があるように見える。それぞれ非優越ソート遺伝的アルゴリズム(NSGA)IIおよびサポートベクトルマシン(SVM)に最適化スキームと分類器の選択を変えることにより提案フレームワークの有効性を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： サポートベクトルマシン ,  目的関数 ,  部分集合 ,  機械学習 ,  特徴選択 ,  *冗長性 ,  ソーティング ,  測度 ,  情報理論 ,  遺伝的アルゴリズム ,  *重みづけ ,  アルゴリズム ,  最適化
準シソーラス用語： 多目的最適化 ,  *Pareto最適 , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴選択 ,  特徴重みづけ ,  多目的最適化 ,  情報測度 ,  分類

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 (5件)： 関連性 ,  冗長性 ,  パレート最適 ,  トレードオフ ,  重みづけ