文献

J-GLOBAL ID：201802240336254671   整理番号：18A1221334

近傍ラフ集合に基づく多標識の特徴選択方法【JST・京大機械翻訳】

Multi-label-specific Feature Selection Method Based on Neighborhood Rough Set

著者 (5件)： Sun Lin (河南師范大学計算机与信息工程学院 河南新郷453007;河南師范大学生命科学学院生物学博士后流動站 河南新郷453007;計算智能与数据wa掘河南省高校工程技術研究中心 河南新郷453007) ,  Pan Junfang (電子科技大学基礎与前沿研究院 成都610054) ,  Zhang Xiaoyu (河南師范大学計算机与信息工程学院 河南新郷453007) ,  Wang Wei (河南師范大学計算机与信息工程学院 河南新郷453007) ,  Xu Jiucheng (河南師范大学計算机与信息工程学院 河南新郷453007;河南師范大学生命科学学院生物学博士后流動站 河南新郷453007)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 45  号： 1  ページ： 173-178  発行年： 2018年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： マルチラベル学習において,データ次元縮小は重要で挑戦的なタスクであり,特徴選択はデータ次元縮小の効率的技術である。近傍ラフ集合理論の上で、多標記の専門特徴の選択方法を提出し、この方法は理論上から獲得した専門の特徴と相応の標識との強い相関性を確保でき、更に簡約な効果を改善した。最初に,ラフ集合理論の縮小アルゴリズムを適用して,冗長属性を削減し,分類能力が不変である場合に,タグの特定の特性を獲得した。次に,隣接領域の精度および近傍粗度の概念に基づき,近傍ラフ集合の依存性および重要度の計算方法を,再定義し,そして,モデルの関連特性を,議論した。多数の公開データセットに関するシミュレーション実験は,このアルゴリズムが有効であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 冗長性 ,  *特徴選択 ,  学習 ,  モデル ,  *ラフ集合 ,  粗度 ,  簡約化 ,  シミュレーション ,  次元縮小 ,  不変性 ,  アルゴリズム
準シソーラス用語： *選択法 ,  ラフ集合論 ,  *近傍 , 【Automatic Indexing@JST】

著者キーワード (4件)： Multi-label learning ,  Neighborhood rough set ,  Label-specific feature ,  Feature selection

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 近傍 ,  ラフ集合 ,  標識 ,  特徴選択