文献

J-GLOBAL ID：201802286873240540   整理番号：18A1711847

1対1戦略に基づくmulticlassサポートベクトルマシンの性能を高めるための普遍的選択【JST・京大機械翻訳】

Universum Selection for Boosting the Performance of Multiclass Support Vector Machines Based on One-versus-One Strategy

著者 (3件)： Songsiri Patoomsiri (Department of Computer Engineering, Chulalongkorn University, Pathumwan, Bangkok, 10330, Thailand) ,  Cherkassky Vladimir (Department of Electrical and Computer Engineering, University of Minnesota, Minneapolis, MN, 55455, USA) ,  Kijsirikul Boonserm (Department of Computer Engineering, Chulalongkorn University, Pathumwan, Bangkok, 10330, Thailand)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 159  ページ： 9-19  発行年： 2018年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 著者らは,Universumを用いることによって,1対1のサポートベクトルマシンの性能を強化するための新しいフレームワークを提案した。マルチクラス分類問題を解決するために,1対1は,Nクラス問題のためにN(N-1)/2二値分類器を構築する最先端のアルゴリズムの1つである。各二値分類器は,最初に,正と負のクラスとして2つのクラスのデータにより学習されるが,他のN-2の残りのクラスは,アプリケーションドメインの隠れた概念を表現し,分類器の性能を高めるのに役立つ。Vapnikら[20,21]は,正および負のクラスに属さないサンプルの使用を可能にし,これらのサンプルをUniersumサンプルと呼ぶことを可能にするために,Universum二値サポートベクトルマシンを導入した。しかしながら,すべてのUniersumサンプルは役に立つことができない。さらに,Uniersumサンプルの不適当な選択は,効果的な二値分類器の構築を防ぐことができる。1対1戦略におけるUniersum二値分類器の構築のために,Uniersumデータのクラスの2N-2候補サブセットがある。それらの適切な選択はクラス数に基づいて困難である。提案した性能測度を適用することにより,標識ersumデータのクラスの適切な部分集合を得るためのアルゴリズムを設計した。これは,ラベル付き訓練データに対するUniersumデータの特性を反映する。この測度は,標準二値SVM超平面の法線方向ベクトルへのUniersumデータの射影の解析に基づいている。提案した戦略が既存の方法より優れていることを実験的に実証した。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： 応用プログラム ,  *ベクトル ,  測度 ,  部分集合 ,  アルゴリズム ,  *サポートベクトルマシン
準シソーラス用語： 超平面 ,  訓練データ ,  性能測度 ,  最先端 ,  二値分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： サポートベクトルマシン(SVM) ,  汎用サポートベクトルマシン(USVM) ,  マルチクラス分類 ,  1対1

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (2件)： 戦略 ,  サポートベクトルマシン