文献

J-GLOBAL ID：201802269240299525   整理番号：18A1621468

サポートベクトルマシンのための距離ベース重みづけアンダーサンプリング方式とその不均衡分類への応用【JST・京大機械翻訳】

A Distance-Based Weighted Undersampling Scheme for Support Vector Machines and its Application to Imbalanced Classification

著者 (6件)： Kang Qi (Department of Control Science and Engineering, School of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Shi Lei (Department of Control Science and Engineering, School of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Zhou MengChu (Institute of Systems Engineering, Macau University of Science and Technology, Macau, China) ,  Wang XueSong (Department of Control Science and Engineering, School of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Wu QiDi (Department of Control Science and Engineering, School of Electronics and Information Engineering, Tongji University, Shanghai, China) ,  Wei Zhi (Department of Computer Science, New Jersey Institute of Technology, Newark, NJ, USA)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 9  ページ： 4152-4165  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,古典的機械学習,特に分類と回帰において顕著な役割を果たす。その構造的リスク最小化を通して,それは,効果的にオーバーフィッティングを減らして,次元災害を避けて,局所的極小値に落ちないことにおいて,良い評判を享受した。それにもかかわらず,既存のSVMは,クラス不均衡と大規模サンプルに直面するとき,うまく機能しない。アンダーサンプリングは,いくつかの方法で不均衡な問題を解決するための妥当な代替案であるが,その膨大な反復とランダムサンプリングプロセスのために,計算の複雑さと精度の低下に悩まされている。データ不均衡問題を扱うことにおけるそれらの分類性能を改善するために,本研究は,空間幾何学距離に基づくSVMのための加重アンダーサンプリング(WU)方式を提案して,このように,WU-SVMと呼ばれる改良アルゴリズムを生み出した。WU-SVMにおいて,大多数のサンプルをいくつかのサブ領域(SRs)にグループ化し,それらのユークリッド距離に従って異なる重みをハイパー平面に割り当てた。より高い重量を持つSRにおけるサンプルは,サンプリングされて,各学習反復において使用するためにより多くの機会を持っているので,可能な限り元のデータセットのデータ分布情報を保持する。包括的実験を行い,21の二値クラスと6つの多クラス公開データセットを通して,WU-SVMをテストした。結果は,それが不均衡な分類のための3つの一般的な計量,すなわち曲線下の面積,F-測定,およびG-平均に関して,最先端の方法より優れていることを示している。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： 学習 ,  幾何学 ,  無作為抽出 ,  機械学習 ,  *サポートベクトルマシン ,  *重みづけ ,  計算量 ,  アルゴリズム
準シソーラス用語： 最先端 ,  Euclid距離 ,  加重 ,  クラス不均衡 ,  *不均衡 ,  *アンダーサンプリング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： サポートベクトルマシン ,  重みづけ ,  アンダーサンプリング ,  均衡 ,  分類 ,  応用