文献

J-GLOBAL ID：201902231346054313   整理番号：19A2258185

キーサンプル点を認識する非平衡データカーネルSVMアルゴリズム【JST・京大機械翻訳】

Kernel SVM Algorithm Based on Identifying Key Samples for Imbalanced Data

著者 (4件)： Guo Ting (山西大学 計算机与信息技術学院 太原030006) ,  Wang Jie (山西大学 計算机与信息技術学院 太原030006) ,  Liu Quanming (山西大学 計算机与信息技術学院 太原030006) ,  Liang Jiye (山西大学 計算机与信息技術学院 太原030006;山西大学 計算智能与中文信息処理教育部重点実験室太原030006)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 32  号： 6  ページ： 569-576  発行年： 2019年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  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： 非平衡データ処理において通常採用されるアンダーサンプリング方法は,サポートベクトルマシン(SVM)の特性を考慮しない,そして,オリジナル空間でのサンプリングは,多くの種類のサンプルにおけるキー情報の損失を引き起こす。上述の問題に対して、本文ではキーサンプル点を識別する非平衡データカーネルSVMアルゴリズムを提案した。初期超平面に基づいて,多くの種類のサンプルを効果的に分割し,高次元空間における各ブロックのカーネルの近傍サンプリングを行い,多くのクラスのキーサンプルポイントを得て,キーサンプルポイントと少数のサンプルを用いて,最終カーネルSVM分類器を訓練した。複数のデータセットに関する実験結果は,このアルゴリズムの実現可能性と有効性を示し,特に非平衡度が10:1以上のデータセットにおいて,このアルゴリズムの優位性は明らかである。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  *アルゴリズム ,  *非平衡状態 ,  有効性 ,  データ処理 ,  高次元
準シソーラス用語： SVM分類 ,  超平面 ,  アンダーサンプリング , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： キー ,  サンプル点 ,  非平衡 ,  カーネル ,  SVM ,  アルゴリズム