文献

J-GLOBAL ID：201802275142098091   整理番号：18A0476530

マルチラベル特徴選択:包括的レビューと導波実験【Powered by NICT】

Multilabel feature selection: A comprehensive review and guiding experiments

著者 (6件)： Kashef Shima (Intelligent data Processing Laboratory (IDPL), Department of Electrical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Kashef Shima (Mahani Mathematical Research Center, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Nezamabadi-pour Hossein (Intelligent data Processing Laboratory (IDPL), Department of Electrical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Nezamabadi-pour Hossein (Mahani Mathematical Research Center, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Nikpour Bahareh (Intelligent data Processing Laboratory (IDPL), Department of Electrical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Nikpour Bahareh (Mahani Mathematical Research Center, Shahid Bahonar University of Kerman, Kerman, Iran)
資料名： Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery  (Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery)
巻： 8  号： 2  ページ： ROMBUNNO.1240  発行年： 2018年 
JST資料番号： W2768A  ISSN： 1942-4787  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： 特徴選択は機械学習やデータマイニングにおける重要な問題であり,高次元データとした場合,避けられない。多標識(ML)データセットとそれらの広大な応用の出現により,特徴選択法は,分類性能の次元縮小と改善のために開発された。本研究では,既存のマルチラベル特徴選択(ML FS)法の包括的なレビューを提供し,異なる視点に基づくこれらの方法を分類した。特徴選択とデータ分類はお互いに密接に関連しているとして,ML学習アルゴリズムにレビューを提供した。また,この分野の研究を容易にするために,断面は,MLデータに対する評価尺度,標準データセットと既存のソフトウェアを示す装置とベンチマークを提供した。本調査の終わりには,いくつかの課題と将来の研究者によって可能になることをこの分野における未解決の問題を論じた。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： データマイニング ,  ソフトウェア ,  機械学習 ,  ベンチマーク ,  学習アルゴリズム ,  次元縮小 ,  *特徴選択
準シソーラス用語： 評価尺度 ,  データ分類 ,  高次元データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  マルチラベルデータ ,  分類 ,  データマイニング

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)： マルチ ,  ラベル ,  特徴選択 ,  レビュー ,  導波 ,  実験