文献

J-GLOBAL ID：201802245504945404   整理番号：18A0823247

癌細胞分類のためのサポートベクトルマシンの実験的探索【JST・京大機械翻訳】

Experimental Exploration of Support Vector Machine for Cancer Cell Classification

著者 (2件)： Dsouza Kevin Joy ,  Ansari Zahid
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCEM  ページ： 29-34  発行年： 2017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： テキスト分類は,それらのコンテンツに基づいて,電子テキスト文書の集合をあらかじめ定義されたクラスに自動的に分類するタスクである。これらの近年のテキストデータの量の増加により,文書分類はテキスト分類システムの形で出現した。それらは,スパムフィルタリング,メール,知識リポジトリおよびオントロジーマッピングのような多数のアプリケーションにおいて広く実装されている。主な本質は,特徴ベクトル次元の特徴選択と縮小に基づくテキスト分類技術を提案し,前処理を用いて分類精度を増加させることである。本論文では,サポートベクトルマシン(SVM)を用いて不確実データを分類する方法について詳細な研究を行った。SVMは,最も低い構造リスク原理に基づく強力で監督された学習サンプルである。訓練の間,このアルゴリズムは正と負のサンプルを分離するための超平面を作り出す。SVM分類器に用いられるカーネルのタイプは分類結果に大きな影響を持つ。本論文では,線形,多項式,シグモイドおよび半径のような4つのタイプのSVMカーネル法を用いて分類するために,Breast Cancer Wisconsin(診断)データセットを用いた。得られた分類結果は,動径カーネル法が最も適したデータセットであることを明らかにした。カーネル法の適合性を測定するために,種々の因子を精度,カッパ値,感度,特異性精度などの分類結果と比較した。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： 適応性 ,  多項式 ,  特徴選択 ,  不確実性 ,  前処理 ,  応用プログラム ,  アルゴリズム ,  *サポートベクトルマシン ,  リポジトリ
準シソーラス用語： Kernel法 ,  超平面 ,  分類精度 ,  特徴ベクトル ,  スパムフィルタ ,  テキスト分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 癌細胞 ,  分類 ,  サポートベクトルマシン ,  実験 ,  探索