文献

J-GLOBAL ID：201902277996759436   整理番号：19A2541838

不均衡データに対するPSO-DEC-IFSVM分類アルゴリズム【JST・京大機械翻訳】

PSO-DEC-IFSVM Classification Algorithm for Unbalanced Data

著者 (3件)： Wei Jianan (貴州大学現代制造技術教育部重点実験室,貴陽,550025) ,  Huang Haisong (貴州大学現代制造技術教育部重点実験室,貴陽,550025) ,  Kang Peidong (貴州大学現代制造技術教育部重点実験室,貴陽,550025)
資料名： Shuju Caiji yu Chuli  (Shuju Caiji yu Chuli)
巻： 34  号： 4  ページ： 723-735  発行年： 2019年 
JST資料番号： W1502A  ISSN： 1004-9037  CODEN： SCYCE4  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： 不均衡データセットにおいて,従来のファジィサポートベクトルマシン(FSVM)アルゴリズムは,分類効果に不十分であり,そして,パラメータ最適化のようないくつかの欠点を,持たなかった。パーティクルスウォーム最適化(PSO)に基づく改良ファジィサポートベクトルマシン(PSO-DEC-IFSVM)アルゴリズムを提案した。まず第一に,訓練サンプルからそれらの中心までの距離,サンプル周囲の緊密さ,およびサンプル情報量を考慮して,ファジィメンバシップ関数を設計し,次に,改良ファジィサポートベクトルマシン(FSVM)と異なったペナルティ因子(Differenterrorcosts)を,それぞれ,この改良ファジィサポートベクターマシンと異なったペナルティ因子(Differenterrorcosts)によって設計する。DEC-IFSVMアルゴリズムを,DEC-IFSVMアルゴリズムによって得て,次に,DEC-IFSVMアルゴリズムによって導入したパラメータを,PSOアルゴリズムによって最適化した。実験により、UCI公共データセットにおけるPimaなどの6種類のアンバランスデータセットに対して、既存のFSVM及びその改良アルゴリズムと比較して、PSO-DEC-IFSVMアルゴリズムには、より良い正負分類効果及びより強いロバスト性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： パラメータ ,  *アルゴリズム ,  最適化 ,  ロバスト性 ,  メンバシップ関数 ,  曖昧さ ,  情報量 ,  ペナルティ
準シソーラス用語： アンバランスデータ ,  粒子群最適化 ,  パラメータ最適化 ,  不均衡データセット ,  *分類アルゴリズム ,  *不均衡データ , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H) ,  計算機シミュレーション  (JE11000H) ,  数値計算  (JE02000J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 不均衡データ ,  分類アルゴリズム