文献

J-GLOBAL ID：201902254582726546   整理番号：19A2112925

ミニバッチ正規化相互情報:ハイブリッド特徴選択法【JST・京大機械翻訳】

Mini-Batch Normalized Mutual Information: A Hybrid Feature Selection Method

著者 (5件)： Thejas G. S. (School of Computing and Information Sciences, Florida International University, Miami, FL, USA) ,  Joshi Sajal Raj (Department of Computer Science Engineering, Siddaganga Institute of Technology, Tumakuru, India) ,  Iyengar S. S. (School of Computing and Information Sciences, Florida International University, Miami, FL, USA) ,  Sunitha N. R. (Department of Computer Science Engineering, Siddaganga Institute of Technology, Tumakuru, India) ,  Badrinath Prajwal (School of Computing and Information Sciences, Florida International University, Miami, FL, USA)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 116875-116885  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特徴選択は,監督機械学習の領域における分類のための重要な前処理手順であった。属性集合が非常に大きいとき,それはほとんど適用される。属性の大きな集合はしばしば分類器を誤誘導する傾向がある。特徴の最適集合を見出すことにより,予測子の有効性を増加させるための広範な研究が行われている。特徴部分集合は,それが冗長な特徴の除去によって分類精度を強化するようにするべきである。著者らは,両方の方法の利点を考慮することによって,新しい特徴選択機構,フィルタとラッパ技術の融合を提案した。このハイブリッドモデルは,特徴をランク付けし,次にランク付けに基づく特徴の最良の部分集合を選択する2つのフェーズプロセスに基づいている。複数の評価基準を用いて,種々のデータセットを用いてこのモデルを検証した。さらに,著者らの結果を以前の研究と比較して分析した。提案したモデルは多くの既存アルゴリズムを凌駕し,良好な結果を与えた。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  *正規化 ,  前処理 ,  アルゴリズム ,  冗長性 ,  モデル ,  *特徴選択 ,  機械学習 ,  フィルタ ,  位相 ,  等級づけ ,  部分集合
準シソーラス用語： ハイブリッドモデル ,  ラッパー ,  分類精度 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： バッチ ,  正規化 ,  特徴選択