文献

J-GLOBAL ID：201802230853225181   整理番号：18A0519356

高次元データのための効率的で効果的な特徴部分集合選択【Powered by NICT】

An efficient & effective feature subset selection for high dimensional data

著者 (2件)： Kumbhar Swapnil (Department of Computer Science & Engineering, ADCET, Ashta, Maharashtra, India) ,  Patil Siddheshwar (Department of Computer Science & Engineering, ADCET, Ashta, Maharashtra, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICOEI  ページ： 486-491  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： 特徴選択プロセスは,特徴の元の全セットとして適合する結果を生成する最も有用な特徴のサブセットを同定することである。特徴部分集合選択は,見当違いの特徴の除去及び重複性特徴を除去することによってデータサイズを低減し,分類精度を改善した。高次元データからの特徴選択は大きな数の特徴により挑戦的課題である。特徴選択アルゴリズムは,効率(時間)と有効性(精度)の観点を考慮して構築した。グラフ理論法を用いてすなわち高速アルゴリズム提案した特徴選択プロセスが実行された。スパンニング木クラスタリング法Kruskalの最小の助けを借りて無関係な特徴除去とそれに続く冗長な特徴除去のための新奇な方法を提供する。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： *部分集合 ,  高速アルゴリズム ,  アルゴリズム ,  特徴選択 ,  グラフ理論 ,  スパンニング木 ,  冗長性
準シソーラス用語： クラスタリング法 ,  分類精度 ,  *部分集合選択 ,  *高次元データ , 【Automatic Indexing@JST】

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 (2件)： 高次元データ ,  部分集合選択