文献

J-GLOBAL ID：201802268571524478   整理番号：18A0817210

進化するデータストリームのための効果的なパターンベースのBayes分類器【JST・京大機械翻訳】

An effective pattern-based Bayesian classifier for evolving data stream

著者 (5件)： Yuan Jidong (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China) ,  Wang Zhihai (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China) ,  Sun Yange (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China) ,  Zhang Wei (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China) ,  Jiang Jingjing (School of Computer and Information Technology, Beijing Jiaotong University, Beijing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 295  ページ： 17-28  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： グラフベースの機械学習におけるホットな話題の1つは,大規模なデータセットからBayes分類器を構築することである。Bayes分類に対する高度なアプローチは,利用されたパターンに基づいている。しかしながら,従来のパターンベースのBayes分類器は,進化するデータストリーム環境に適応できない。そのために,データストリーム(PBDS)のための効果的なパターンベースのBayes分類器を提案した。まず第一に,データ駆動の学習戦略を用いて,各テスト記録に対する局所的な頻繁なパターンを発見した。さらに,データのコンパクトな表現のための要約データ構造を提案し,各クラスに対してより効率的にパターンを見出す。抽出パターンを評価するために,Bayesネットワークと組み合わせたgre欲探索と最小記述長を適用した。実世界と合成データストリームに関する実験研究は,PBDSが最先端のデータストリーム分類器より優れていることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *機械学習 ,  データ構造
準シソーラス用語： 実験研究 ,  最小記述長 ,  信念ネットワーク ,  学習戦略 ,  データ駆動 ,  *Bayes分類器 ,  *データストリーム , 【Automatic Indexing@JST】

著者キーワード (4件)： データストリーム ,  頻繁なパターン ,  ベイズ ,  遅延学習

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 進化 ,  ストリーム ,  Bayes分類器