文献

J-GLOBAL ID：201802287546221072   整理番号：18A0874003

エントロピー法に基づく重み付け最小二乗サポートベクトルマシン【JST・京大機械翻訳】

Weighted Least Squares Support Vector Machine Based on Entropy Evaluation

著者 (2件)： Liu Chang (中南大学机電工程学院 長沙410012) ,  Fan Bin (中南大学机電工程学院 長沙410012)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 44  号： z2  ページ： 428-431  発行年： 2017年 
JST資料番号： C2530A  ISSN： 1002-137X  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： サポートベクトルマシン(SVM)は,統計的学習理論に基づく機械学習アルゴリズムであり,小標本のモデリング問題を解決し,非線形高次元データに対して良い処理能力を持つ。通常、多次元特徴のデータに対して、各次元データに対して正規化処理を行うことで、次元の影響を除去するが、欠点は各次元の特徴の重みの違いを無視している。加重最小二乗法サポートベクトルマシン(LS-SVM)のモデリング方法を提案して,エントロピー法を通して各々の次元特性の重みを決定して,次に,特性重みづけによって重み付けして,次に,最小二乗法サポートベクトルマシン(LS-SVM)によって,システムモデルを確立した。実験により、多次元特徴のデータに対して、提案手法はより良いモデリング効果があることが明らかになった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデリング ,  学習アルゴリズム ,  *重みづけ ,  正規化 ,  最小二乗法 ,  高次元 ,  *サポートベクトルマシン ,  スループット ,  システムモデル
準シソーラス用語： 加重最小二乗法 ,  高次元データ ,  統計的学習理論 ,  *最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

著者キーワード (4件)： Support vector machine ,  Entropy evaluation method ,  Multiple features ,  Feature weight

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： エントロピー法 ,  重み付け ,  最小二乗サポートベクトルマシン