文献

J-GLOBAL ID：201802244112745202   整理番号：18A1906683

マルチラベル分類のための相互情報ベースk-Labelsetアンサンブル【JST・京大機械翻訳】

Mutual Information Based K-Labelsets Ensemble for Multi-Label Classification

著者 (5件)： Wang Ran (College of Mathematics and Statistics, Shenzhen University, Shenzhen, 518060, China) ,  Kwong Sam (Department of Computer Science, City University of Hong Kong, Hong Kong) ,  Jia Yuheng (Department of Computer Science, City University of Hong Kong, Hong Kong) ,  Huang Zhiqi (Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen University, Shenzhen, 518060, China) ,  Wu Lang (College of Management, Shenzhen University, Shenzhen, 518060, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： FUZZ  ページ： 1-7  発行年： 2018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： マルチラベル分類問題を解決するために,従来のランダムK-ラベル集合法には2つの主要な欠点がある。1)ランダムに選択されたラベル集合は,単一ラベルマルチクラス学習のための高度に不均衡なデータをもたらす可能性があり,2)同じラベルセットにおける異なるラベル間の依存関係は,深刻な情報冗長性とオーバーラップを引き起こす可能性がある。これらの2つの欠点の両方は,マルチラベル学習者の一般化能力に影響を及ぼすことができた。これらの2つの問題を克服するために,本論文では,相互情報と結合エントロピーに基づくKラベル集合法を提案した。最初に,相互情報と結合エントロピーを採用して,各K-ラベル集合の冗長性レベルと不均衡レベルを評価した。次に,各反復中に,低い相互情報を持つ多数のKラベル集合を候補とし,最高の結合エントロピーを持つものを選択した。その後,各選択K-ラベル集合に対して,ラベルパワーセット法を採用し,マルチクラス分類モデルを構築した。最後に,異なるK-ラベル集合に関するマルチクラスモデルを統合して,投票ベースのアンサンブルモデルを生成して,非見られたサンプルに関する予測を実行した。実世界のマルチラベルデータセットに関する広範な実験を行った。実験結果は,提案方法の有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エントロピー ,  投票 ,  冗長性 ,  学習
準シソーラス用語： 分類モデル ,  学習者 ,  不均衡 ,  *マルチラベル分類 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： マルチラベル分類 ,  アンサンブル