文献

J-GLOBAL ID：201802273515386315   整理番号：18A0382978

半教師付き特徴選択法に関する調査【Powered by NICT】

A Survey on semi-supervised feature selection methods

著者 (4件)： Sheikhpour Razieh (Department of Computer Engineering, Yazd University, Yazd, Iran) ,  Sarram Mehdi Agha (Department of Computer Engineering, Yazd University, Yazd, Iran) ,  Gharaghani Sajjad (Laboratory of Bioinformatics and Drug Design (LBD), Institute of Biochemistry and Biophysics, University of Tehran, Tehran, Iran) ,  Chahooki Mohammad Ali Zare (Department of Computer Engineering, Yazd University, Yazd, Iran)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 64  ページ： 141-158  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 特徴選択は無関係で冗長な特徴を除去し,学習性能を改善するデータマイニングと機械学習応用において重要な仕事である。多くの実世界応用では,ラベル付きデータを集める事は難しいが,豊富なラベル無しデータは容易にアクセス可能である。これは研究者はラベル付きデータおよびラベル無しデータの両者を用いて,特徴量の関連性を評価する半教師つき特徴選択法を開発した。しかし,漂れき土にまで,半教師つき特徴選択法をカバーする包括的な調査がされていない。本論文では,半教師つき特徴選択法は完全に調べ,二分類学これらの方法の半教師つき特徴選択法の階層構造を表す二種類の展望に基づいて提示した。最初の視点を特徴選択法の基本分類学に基づいており,第二のものは,半教師つき学習法の分類に基づいている。本調査は研究者半教師つき特徴選択法における深い背景を得て,それらの階層構造に基づく適切な半教師つき特徴選択方法を選択することに役立つ可能性がある。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： 冗長性 ,  データマイニング ,  階層構造 ,  *特徴選択 ,  機械学習
準シソーラス用語： 半教師つき学習 ,  分類学 ,  特徴量 ,  学習性能 , 【Automatic Indexing@JST】

著者キーワード (3件)： 半教師つき学習 ,  特徴選択 ,  調査

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 (3件)： 教師 ,  特徴選択 ,  調査