文献

J-GLOBAL ID：201802288697122278   整理番号：18A0581290

順序付き重み付き平均を用いたサポートベクトルマシンの再定義【Powered by NICT】

Redefining support vector machines with the ordered weighted average

著者 (3件)： Maldonado Sebastian (Facultad de Ingenieria y Ciencias Aplicadas, Universidad de los Andes, Monsenor Alvaro del Portillo 12455, Las Condes, Santiago, Chile) ,  Merigo Jose (Department of Management Control and Information Systems, School of Economics and Business, University of Chile, Santiago, Chile) ,  Miranda Jaime (Department of Management Control and Information Systems, School of Economics and Business, University of Chile, Santiago, Chile)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 148  ページ： 41-46  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： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,古典的なソフトマージンサポートベクトルマシン(SVM)定式化は,順序付き重み付き平均化(OWA)演算子を含む再定義した。特に,ヒンジ損失関数は適切なモデルの適合性を保証するためにスラック変数の加重和として表される。提案した2段アプローチは最初にスラック変数,第二SVM訓練におけるOWA演算子のためを誘導するために使用されているを得るためにソフトマージンSVMを訓練する。本来線形法として開発された,著者らの提案は,カーネル関数の使用のおかげで,非線形分類に拡張した。実験結果は,提案した方法は,予測性能の見地から,標準SVMと他の良く知られたデータマイニング法と比較して最良の全体性能を達成したことを示す。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 適応性 ,  データマイニング ,  *サポートベクトルマシン ,  ヒンジ ,  損失関数 ,  モデル ,  定式化 ,  線形性
準シソーラス用語： 予測性能 ,  Kernel関数 ,  加重 , 【Automatic Indexing@JST】

著者キーワード (4件)： OWA演算子 ,  OWA限定子 ,  サポートベクトルマシン ,  ヒンジ損失

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 順序 ,  平均 ,  サポートベクトルマシン