抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近,リアルタイムデータは,従来のデータマイニング技術を挑戦されビッグデータの爆発をもたらした。リアルタイムでデータの解析によって,リアルタイムにより良い意思決定を可能にするであろう。通常,ビッグデータは多くの無関係で冗長なデータを含んでいる。それ故,これらのデータを除去し,廃棄が必須である。ビッグデータを含むストリーミング特徴選択は一般的に正確な学習モデルをもたらす有益な特徴を選択するための解決策として見られてきた。本論文では,オンライン特徴グループ化による特徴ストリームからの特徴選択のための効率的なアルゴリズムを導入した。この技術はその効率とスケーラビリティのためにビッグデータ分析に有用であろう。本研究の主要な貢献は,ストリーミング特徴グループ化と選択アルゴリズムをデリバリーすることで非常に高い次元ビッグデータの課題を解決することである。提案アプローチでは,このアルゴリズムは,冗長性を低減し,オンライン様式で特徴の流れを扱うために類似した特徴グループ化の考えを用いて設計した。実験結果は筆者らの提案アルゴリズムが予測精度と実行時間の点で優れた性能を示すことを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
