文献

J-GLOBAL ID：201902288463544315   整理番号：19A2513726

特徴相関ネットワークにおけるコミュニティ検出に基づく特徴選択【JST・京大機械翻訳】

Feature selection based on community detection in feature correlation networks

著者 (4件)： Savic Milos (Department of Mathematics and Informatics, Faculty of Sciences, University of Novi Sad, Novi Sad, Serbia) ,  Kurbalija Vladimir (Department of Mathematics and Informatics, Faculty of Sciences, University of Novi Sad, Novi Sad, Serbia) ,  Bosnic Zoran (Faculty of Computer and Information Science, University of Ljubljana, Ljubljana, Slovenia) ,  Ivanovic Mirjana (Department of Mathematics and Informatics, Faculty of Sciences, University of Novi Sad, Novi Sad, Serbia)
資料名： Computing  (Computing)
巻： 101  号： 10  ページ： 1513-1538  発行年： 2019年 
JST資料番号： B0828A  ISSN： 0010-485X  CODEN： CMPTA2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 特徴選択は,特に高次元データの場合,データマイニングと機械学習タスクにおける重要なデータ前処理ステップである。本論文では,特徴相関ネットワークに基づく新しい特徴選択法,すなわち,データセットにおける特徴間の最も強い相関を記述する複雑な重み付けネットワークを提案した。この方法は,特徴相関ネットワークにおける特徴の凝集グループを同定するためにコミュニティ検出技術を利用する。クラス変数との強い相関を示す特徴の部分集合を,特徴コミュニティのサイズとそれらの中の接続を考慮に入れて,同定されたコミュニティ構造に従って選択した。アルツハイマー病の診断に関連したシグナル伝達蛋白質の特徴を含む高次元データセットについて,提案した方法を実験的に評価した。特徴選択なしで訓練された7つの一般的に使用されている分類器の性能を,異なるコミュニティ検出技術によって決定された4つの変種による特徴選択と,WEKA機械学習ライブラリで利用可能な4つの広く使用された最先端の特徴選択法による特徴選択の後に比較した。実験評価の結果は,著者らの方法がいくつかの分類モデルの分類精度を改善する一方,データセットの次元を大いに減少させることを示した。さらに,著者らの方法はWEKAライブラリによって提供される従来の特徴選択法より優れている傾向がある。Copyright 2019 Springer-Verlag GmbH Austria, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 重みづけ ,  *特徴選択 ,  *コミュニティ ,  部分集合 ,  *ネットワーク ,  凝集 ,  データマイニング ,  機械学習 ,  タンパク質 ,  Alzheimer病
準シソーラス用語： 分類精度 ,  分類モデル ,  データ前処理 ,  高次元データ ,  *コミュニティ検出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  特徴相関ネットワーク ,  コミュニティ検出 ,  アルツハイマー病

分類 (3件)： 人工知能  (JE08000Z) ,  記号処理  (JE03000Q) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 相関 ,  コミュニティ検出 ,  特徴選択