文献

J-GLOBAL ID：201802218113708029   整理番号：18A0624220

Studentのt混合モデルによる同時Bayesクラスタリングと特徴選択【Powered by NICT】

Simultaneous Bayesian Clustering and Feature Selection Through Student’s ${t}$ Mixtures Model

著者 (4件)： Sun Jianyong (School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, China) ,  Zhou Aimin (Shanghai Key Laboratory of Multidimensional Information Processing) ,  Keates Simeon (Faculty of Engineering and Science, University of Greenwich, Kent, U.K.) ,  Liao Shengbin (National Engineering Research Centre for E-Learning, Huazhong Normal University, Wuhan, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 4  ページ： 1187-1199  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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,教師なし学習状況下で特徴選択のための生成モデルを提案した。モデルはデータをStudentのt分布の有限混合,異常値に対する感度を低減できるから採取した独立かつ同一であると仮定した。特徴の顕著性を表す潜在確率変数は,特徴の関連性の表示のためのモデルに含まれている。結果として,このモデルは,クラスタリング,特徴選択,異常値検出を同時に実現が期待されている。推論ツリー構造変分Bayesアルゴリズムによって実行した。完全Bayes処理は自動モデル選択を実現するためにモデルに採用した。制御された実験的研究は,開発したモデルが異常値正確にセットデータモデリングできることを示した。さらに,実験結果は,開発したアルゴリズムは,人工的および実データセット上で既存の教師なし確率モデルベースBayes特徴選択アルゴリズムより優れていることを示した。,実際白血病遺伝子発現データへの開発されたアルゴリズムの適用は,識別遺伝子を同定することができことを示した。Copyright 2018 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： t分布 ,  ツリー構造 ,  異常値 ,  *クラスタ化 ,  変分法 ,  アルゴリズム ,  確率モデル ,  教師なし学習 ,  *特徴選択 ,  遺伝子
準シソーラス用語： モデル選択 ,  異常値検出 ,  確率変数 ,  生成モデル ,  *混合モデル , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 混合モデル ,  クラスタリング ,  特徴選択