文献

J-GLOBAL ID：201802242997424271   整理番号：18A2044771

医用データの決定木分類のためのアリコロニー最適化を用いた特徴部分集合選択【JST・京大機械翻訳】

Feature Subset Selection Using Ant Colony Optimization for a Decision Trees Classification of Medical Data

著者 (2件)： Alaoui Abdiya (EEDIS Laboratory, Department of Computer Science, Djillali Liabes University, Sidi Bel Abbes, Algeria) ,  Elberrichi Zakaria (EEDIS Laboratory, Department of Computer Science, Djillali Liabes University, Sidi Bel Abbes, Algeria)
資料名： International Journal of Information Retrieval Research  (International Journal of Information Retrieval Research)
巻： 8  号： 4  ページ： 39-50  発行年： 2018年 
JST資料番号： W3914A  ISSN： 2155-6377  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,特徴選択が医療データに対する前処理段階の最も重要な割当の一つであるかについて述べた。それは,より大きい集合から特徴の部分集合を抽出することができて,冗長,非関連またはノイズのある特徴を除去することができた。著者らは,病気の予測に重要な特徴の選択により,多くの試験を避けることにより診断のコストを低減することができる。教師つき分類のタスクに適用して,著者らは疾患予測のためのロバストな学習モデルを構築した。特徴の部分集合に対する探索はNP困難問題であり,メタ発見的手法により解くことができる。本論文において,分類を改良するために,Antコロニー最適化と決定木(C4.5)によるAdaBoostの間のハイブリッド化を提案した。実験はこのアプローチの有用性を示した。Copyright 2018 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  予測 ,  発見的方法 ,  *最適化 ,  冗長性 ,  ロバスト性 ,  *コロニー ,  学習モデル ,  特徴選択 ,  *部分集合 ,  雑音 ,  *ディシジョンツリー
準シソーラス用語： AdaBoost ,  教師付き分類 ,  *アリコロニー最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： アリコロニー最適化 ,  ブースティング ,  ディシジョンツリー ,  特徴選択 ,  医療データ ,  教師付き分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 決定木 ,  分類 ,  アリコロニー最適化 ,  部分集合選択