文献

J-GLOBAL ID：201802290307070610   整理番号：18A1686289

ソフトグルーピングに基づくデータ依存多重カーネル学習アルゴリズム【JST・京大機械翻訳】

Data-dependent multiple kernel learning algorithm based on soft-grouping

著者 (5件)： Wang Qingchao (Xi’an Research Institute of Hi-Tech Hongqing Town, Xi’an, 710025, China) ,  Fu Guangyuan (Xi’an Research Institute of Hi-Tech Hongqing Town, Xi’an, 710025, China) ,  Li Linlin (Xi’an Research Institute of Hi-Tech Hongqing Town, Xi’an, 710025, China) ,  Wang Hongqiao (Xi’an Research Institute of Hi-Tech Hongqing Town, Xi’an, 710025, China) ,  Li Yongqiang (Xi’an Research Institute of Hi-Tech Hongqing Town, Xi’an, 710025, China)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 112  ページ： 111-117  発行年： 2018年 
JST資料番号： H0913A  ISSN： 0167-8655  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： 複数のカーネル学習戦略は,複数のデータ源から情報を容易に結合できるので,強力なツールとして出現した。しかし,最適カーネルの学習は依然として挑戦的な仕事であり,さらに研究する必要がある。本論文では,ソフトグループ化(SC-DMKL)に基づくデータ依存多重カーネル学習アルゴリズムを提案した。SC-DMKLのコアアイデアは2倍である。(1)著者らは,サンプルの相関と多様性を調整するために,トレーニングサンプルに関するソフトグループプロセスを取り入れた。(2)データ依存複合カーネルを適応的に学習するためにカーネル重みと分類器を最適化する。最終的な複合カーネルは,グループに落下するサンプルの確率とこれらのグループのカーネル重みによって決定される。したがって,著者らの方法は実際にカーネル重みに関するソフト制限を有するサンプル特異的MKL法である。この制限は実際に試料の相関の表現である。合成データセットに関する実験は,著者らのアルゴリズムによって解明されたカーネル重みがデータセットの特性により好適であり,実世界データセットに関する実験が分類精度が改良されることを証明した。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： *アルゴリズム ,  *多重化 ,  *学習アルゴリズム ,  最適化
準シソーラス用語： 分類精度 ,  *Kernel法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多重カーネル学習 ,  データ依存カーネル ,  ソフトクラスタリング ,  サポートベクトルマシン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ソフト ,  グルーピング ,  多重 ,  カーネル ,  学習アルゴリズム