文献

J-GLOBAL ID：201802284706801377   整理番号：18A0668526

ハッシュ高速マルチラベル学習アルゴリズム【JST・京大機械翻訳】

Fast Multi-label Learning Based on Hashing

著者 (5件)： Hu Haifeng (南京郵電大学通信与信息工程学院,江蘇南京,210003) ,  Geng Jingjing (南京郵電大学通信与信息工程学院,江蘇南京,210003) ,  Feng Qiaoyu (南京郵電大学通信与信息工程学院,江蘇南京,210003) ,  Sun Yong (南京郵電大学通信与信息工程学院,江蘇南京,210003) ,  Wu Jiansheng (南京郵電大学地理与生物信息学院,江蘇南京,210046)
資料名： Xinhao Chuli  (Xinhao Chuli)
巻： 33  号： 8  ページ： 1065-1072  発行年： 2017年 
JST資料番号： C2154A  ISSN： 1003-0530  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文では,多ラベル学習の時間が大きく,大規模なデータを扱うことが困難な問題を解決するために,ハッシュ高速マルチラベル学習アルゴリズム(HFMLL)を提案した。このアルゴリズムは,ハッシュアルゴリズムと多重ラベル学習アルゴリズムを組み合わせて,局所的な敏感なハッシュアルゴリズムを用いて各サンプルの近隣サンプルを迅速に獲得し,最小の独立した置換ハッシュアルゴリズムを用いて各標識の相関標識を迅速に見つけ,その近隣サンプルと関連する標識の情報に基づいている。最大事後確率判定基準を用いて,新しいサンプルのラベルセットを予測した。実験結果は,HFMLLアルゴリズムが高い分類性能を維持することができることを示して,アルゴリズムの速度は,現在のマルチラベルアルゴリズムより明らかに優れて,大規模データセットにおいて広く使用することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *学習アルゴリズム ,  *学習 ,  判定基準 ,  *高速度 ,  多重化
準シソーラス用語： 大規模データセット ,  最大事後確率 , 【Automatic Indexing@JST】

著者キーワード (4件)： multi-label learning ,  hashing ,  fast ,  label dependency

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチ ,  ラベル ,  学習アルゴリズム