文献

J-GLOBAL ID：201802247957258852   整理番号：18A0132591

極端学習マシンに基づくクラスタリング手法【Powered by NICT】

A clustering method based on extreme learning machine

著者 (3件)： Huang Jinhong (College of Automation Science and Engineering, South China University of Technology, Guangzhou, 510000, China) ,  Yu Zhu Liang (College of Automation Science and Engineering, South China University of Technology, Guangzhou, 510000, China) ,  Gu Zhenghui (College of Automation Science and Engineering, South China University of Technology, Guangzhou, 510000, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 277  ページ： 108-119  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 教師つき学習タスク,サポートベクトルマシンおよび究極の学習マシンなどの提案されている多くの成功した方法が(ELM),教師なし学習タスクに成功した教師つき学習法を拡張し,良好な結果を得るために未解決の問題である。本論文では,ELMを拡張した教師なし学習版に提案し,二成分クラスと複数クラス問題の両方のためのELM(CM ELM)に基づくクラスタリング手法,最適なELM分類器をもたらす標識を見出すことを目的とすることを提案した。ELM特徴空間では,隠れ層にGauss隠れノードとシグモイド隠れノードをそれらの利点を組み合わせることを提案した。を簡単にCM-ELMにおける非凸問題を解くための代替方向法の採用を提案した。さらに,非凸問題の結果は,ロバストで満足するために,クラスタアンサンブル法とラベルをinitialを提案した。人工とベンチマークデータセット上での実験を行い,CM-ELMが最先端のクラスタリング法と競合することを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 教師なし学習 ,  サポートベクトルマシン ,  凸形 ,  *学習 ,  *クラスタ化 ,  教師つき学習 ,  ロバスト性
準シソーラス用語： クラスタアンサンブル ,  隠れ層 ,  特徴空間 ,  *クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタリング ,  極端学習機械 ,  代替方向最適化 ,  最適ELM分類器

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 学習 ,  マシン ,  クラスタリング手法