文献

J-GLOBAL ID：201802237519446952   整理番号：18A0630197

Dirichlet特徴マッピングを用いたサポートベクトルマシン

Support vector machine with Dirichlet feature mapping

著者 (2件)： Nedaie Ali (Faculty of Industrial Engineering, K.N. Toosi University of Technology, Tehran, Iran) ,  Najafi Amir Abbas (Faculty of Industrial Engineering, K.N. Toosi University of Technology, Tehran, Iran)
資料名： Neural Networks  (Neural Networks)
巻： 98  ページ： 87-101  発行年： 2018年02月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： サポートベクトルマシン(SVM)は,データを解析し,パターンを認識するための教師つき学習アルゴリズムである。標準SVMは非線形分類問題に関していくつかの制約がある。これらの限界に取り組むために,SVMの非線形形式は,その不完全さを取り除くカーネル関数や他の非線形特徴マッピングに基づく修正型マシンを提示する。しかし,効率的なカーネルまたは特徴マッピングの関数選択はデータ構造に強く依存する。柔軟な特徴マッピングは,カーネルの選択や調整をすることなく,自信を持って各種データ構造に適用することができる。本論文では,非線形データ構造のための効率的なSVM(サポートベクトルマシン)を開発する目的で,Dirichlet分布に基づく新しい柔軟な特徴マッピング手法を示した。Dirichlet写像のパラメータを決定するために,最尤推定とNewton最適化手法に基づく調整手法を採用した。数値結果は,伝統的な手法との比較で,精度と相対誤差率に関する提案手法の優位性を示している。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *サポートベクトルマシン ,  教師つき学習 ,  非線形問題 ,  分類 ,  識別関数 ,  パターン認識 ,  地図 ,  *特徴抽出 ,  最尤法 ,  Newton-Raphson法 ,  精度 ,  誤差 ,  *確率分布
準シソーラス用語： Kernel関数 ,  特徴マップ ,  最尤推定 ,  Newton法 ,  相対誤差 ,  Dirichlet分布

著者キーワード (5件)： 教師つき学習 ,  サポートベクトルマシン ,  非線形マッピング ,  カーネル関数 ,  Dirichlet分布

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： マッピング ,  サポートベクトルマシン