文献

J-GLOBAL ID：201802275167310705   整理番号：18A1617565

最小二乗ツインマルチクラス分類支援ベクトルマシンの改良【JST・京大機械翻訳】

Improvements on least squares twin multi-class classification support vector machine

著者 (4件)： de Lima Marcio Dias (Instituto de Informatica, Universidade Federal de Goias, Goiania-GO, Brazil) ,  de Lima Marcio Dias (Instituto Federal de Educacao, Ciencia e Tecnologia de Goias, Goiania-GO, Brazil) ,  Costa Nattane Luiza (Instituto de Informatica, Universidade Federal de Goias, Goiania-GO, Brazil) ,  Barbosa Rommel (Instituto de Informatica, Universidade Federal de Goias, Goiania-GO, Brazil)
資料名： Neurocomputing  (Neurocomputing)
巻： 313  ページ： 196-205  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： 最近,最小二乗ツインマルチクラスサポートベクトルマシン(LSTKSVC)を,ツインサポートベクトルマシン(TWSVM)に基づいて,ツインマルチクラス分類サポートベクトルマシン(Twin-KSVC)の最小二乗版として提案した。本論文では,LSTKSVCとTwin-KSVCにより動機付けられる最小二乗ツインマルチクラス分類サポートベクトルマシン上での改良と呼ばれる新しいマルチクラス分類器を提案した。すべての訓練データを1対1対残りの構造に評価するLSTKSVCと同様に,ここで提案したアルゴリズムは三元出力{-1,0,+1}を生成する。Twin-KSVCは2つの二次計画問題(QPPs)を解決する必要があるが,著者らのアルゴリズムのための2つの修正された主要な問題の解は,線形方程式の2つのシステムに縮減される。さらに,著者らのアルゴリズムにおいて,構造リスク最小化(SRM)原理を,経験的リスクを最小化することとともに,正則化項を導入することによって実行した。提案方法の有効性と有効性をテストするために,10のUCIベンチマークデータセットに関する数値実験を実行した。得られた結果は,提案したアルゴリズムの有効性をさらに確証した。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： *最小二乗法 ,  ベンチマーク ,  二次計画法 ,  アルゴリズム ,  正則化 ,  *ベクトル ,  一次方程式 ,  サポートベクトルマシン
準シソーラス用語： 数値実験 ,  訓練データ , 【Automatic Indexing@JST】

著者キーワード (5件)： ツインサポートベクトルマシン ,  Twin-KSVC ,  構造的リスク最小化 ,  マルチクラス分類 ,  最小二乗

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： マルチ ,  クラス分類 ,  支援 ,  ベクトル ,  マシン