文献

J-GLOBAL ID：201802235806425736   整理番号：18A0817515

特徴空間分解による混合型データのためのラフ集合モデルベースの特徴選択【JST・京大機械翻訳】

Rough set model based feature selection for mixed-type data with feature space decomposition

著者 (2件)： Kim Kyung-Jun (Department of Industrial and Management Engineering, Pohang University of Science and Technology (POSTECH), 77 Cheongam-Ro, Nam-Gu, Pohang, Gyeongbuk 37673, Republic of Korea) ,  Jun Chi-Hyuck (Department of Industrial and Management Engineering, Pohang University of Science and Technology (POSTECH), 77 Cheongam-Ro, Nam-Gu, Pohang, Gyeongbuk 37673, Republic of Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 103  ページ： 196-205  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 特徴選択はエキスパートと知的システムに関連する分類問題において重要な役割を果たす。特徴選択の背後にある中心的アイデアは,分類性能を維持するか改善する間に,入力空間の次元を減少させるために重要な入力特徴を同定することである。従来の特徴選択手法は,カテゴリー的あるいは数値的特徴のいずれかを扱うように設計されているが,両者の混合は実際のデータセットにおいてしばしば発生するものではない。本論文では,特徴空間分解(FSMSD)による混合型データに対する特徴選択と呼ばれるラフ集合モデルに基づいて,混合型データを分類するための新しい特徴選択アルゴリズムを提案した。これは,不均一なEuclid-オーバーラップメトリックを有するラフ集合理論を利用することによって,カテゴリー的および数値的特徴の両方を扱うことができて,混合型データに適用することができた。また,特徴空間分解を用いて,多値カテゴリー特徴の特性を保存し,それにより,情報損失を低減し,特徴の物理的意味を保存した。提案したアルゴリズムを,実際の混合型データセットと生物医学データセットを用いた4つのベンチマーク法と比較し,その性能は有望であり,エキスパートと知的システムのユーザに役立つことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ラフ集合 ,  アルゴリズム ,  *特徴選択 ,  *モデル
準シソーラス用語： ベンチマーキング ,  生物医学 ,  データ損失 ,  ラフ集合論 ,  インテリジェントシステム ,  モデルベース ,  *特徴空間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴選択 ,  混合型データ ,  分類 ,  ラフ集合モデル ,  特徴空間分解

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 特徴空間 ,  分解 ,  ラフ集合 ,  モデルベース ,  特徴選択