文献

J-GLOBAL ID：201802245514380166   整理番号：18A0624231

SVMCの時間Markovサンプリング【Powered by NICT】

$k$ -Times Markov Sampling for SVMC

著者 (6件)： Zou Bin (Faculty of Mathematics and Statistics, Hubei University, Wuhan, China) ,  Xu Chen (Department of Mathematics and Statistics, University of Ottawa, Ottawa, Canada) ,  Lu Yang (Faculty of Science, Hong Kong Baptist University, Hong Kong) ,  Tang Yuan Yan (Faculty of Science and Technology, University of Macau, Macau, China) ,  Xu Jie (Faculty of Computer Science and Information Engineering, Hubei University, Wuhan, China) ,  You Xinge (Department of Electronics and Information Engineering, Huazhong University of Science and Technology, Wuhan, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 4  ページ： 1328-1341  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： サポートベクトルマシン(SVM)は分類問題のための最も広く使用されている学習アルゴリズムの一つである。SVMは実用的応用において優れた性能を持つが,訓練サンプルのサイズが大きいとして高度にアルゴリズム的な複雑さを持っている。本論文では,K-に基づくSVM分類(SVMC)アルゴリズム時間Markovサンプリングを導入し,K SVMC時間Markovサンプリングベンチマークデータセットの学習性能に関する数値的研究を提示した。実験結果は,MarkovサンプリングK-時間を持つSVMCアルゴリズムは,より小さな誤分類率,サンプリングと訓練のより少ない時間を持つだけでないことを示したばかりでなく,得られた分類器は,Markovサンプリングに基づく古典的SVMCと既知SVMCアルゴリズムと比較してよりわずかである。も不平衡訓練サンプルと大規模訓練試料の場合のK SVMC時間Markovサンプリングの性能に及ぼすいくつかの議論を与えた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 非平衡状態 ,  学習アルゴリズム ,  サポートベクトルマシン ,  *アルゴリズム
準シソーラス用語： SVM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 (1件)： サンプリング